Vid Princeton University's Andlinger Center har ett tvärvetenskapligt team av ingenjörer, fysiker och datavetare, i samarbete med Princeton Plasma Physics Laboratory (PPPL), använt AI för att hantera plasmainstabiliteter i kärnfusion.
Fusionsenergi, som speglar den process som driver solen, använder enormt tryck och värme för att smälta samman atomer och frigöra enorma mängder energi.
För att kunna upprepa detta på jorden måste man stänga in ultrahet plasma med kraftfulla magnetfält i tokamakreaktorer - komplexa anordningar som ofta kallas "stjärnor i burkar". Men iI en fusionsreaktor är plasma mycket flyktigt och kan destabilisera och bryta igenom de magnetiska barriärer som är avsedda att hålla den instängd.
I experiment som utförts vid DIII-D Nationell fusionsanläggning i San Diegovisade ett forskarlag upp en AI-modell som, enbart baserat på historiska experimentella data, kunde förutse uppkomsten av "tearing mode instabilities" - en särskild typ av plasmastörningar - upp till 300 millisekunder i förväg.
Forskarna använde ett djupt neuralt nätverk som tränats på tidigare data från DIII-D-tokamaken för att förutsäga framtida instabiliteter baserat på plasmats egenskaper i realtid.
Denna modell gav sedan information till en algoritm för förstärkt inlärning (RL), som iterativt förfinade sina kontrollstrategier genom simulerade experiment och lärde sig att upprätthålla höga effektnivåer samtidigt som instabiliteter undveks.
Teamets resultat publicerades i en studie i Nature.
Azarakhsh Jalalvand, en av medförfattarna, jämförde processen med flygutbildning, där en pilot lär sig i en simulator innan han tar kontroll över ett riktigt flygplan.
"Du skulle inte lära någon något genom att ge dem en nyckelknippa och säga att de ska göra sitt bästa", säger Jalalvand och betonar vikten av en gradvis och välinformerad inlärningsprocess för AI.
Efter att ha validerat AI-styrenhetens simuleringsprestanda gick teamet vidare till tester i verkligheten vid DIII-D-tokamaken, där de observerade att AI:n framgångsrikt manipulerade reaktorparametrar för att minska instabiliteten.
AI-styrenhetens korta men avgörande prediktiva förmåga gör det möjligt för systemet att justera driftsparametrarna i realtid, förhindra instabiliteten och upprätthålla plasmans jämvikt inom reaktorns magnetfält.
Professor Egemen Kolemen, som ledde forskningsarbetet, förklarade teamets tillvägagångssätt"Genom att lära sig av tidigare experiment, snarare än att införliva information från fysikbaserade modeller, kunde AI:n utveckla en slutlig kontrollpolicy som stödde en stabil, högeffektiv plasmaregim i realtid, vid en riktig reaktor."
Jaemin Seo, från institutionen för maskin- och rymdteknik, diskuterade hur exakta och snabba förutsägelser är grundbulten i den här studien och konstaterade: "Tidigare studier har i allmänhet fokuserat på att antingen undertrycka eller mildra effekterna av dessa rivningsinstabiliteter efter att de inträffat i plasmat. Men med vårt tillvägagångssätt kan vi förutsäga och undvika dessa instabiliteter innan de ens uppstår."
"Instabiliteter i rivningsläget är en av de främsta orsakerna till plasmastörningar, och de kommer att bli ännu mer framträdande när vi försöker köra fusionsreaktioner med de höga effekter som krävs för att producera tillräckligt med energi", förklarar Seo.
Framöver planerar forskarna att samla in fler bevis på AI-styrenhetens prestanda och utöka dess kapacitet till andra tokamaker och plasmainstabiliteter.
"Vi har starka bevis för att styrenheten fungerar ganska bra på DIII-D, men vi behöver mer data för att visa att den kan fungera i ett antal olika situationer", säger Seo och beskriver vägen framåt.
Överbrygga AI:s energiklyfta med kärnfusion
Princeton-studien visar hur AI kan stödja fusion, men fusion kan också stödja AI.
På många sätt har AI ett symbiotiskt men ändå bräckligt förhållande till energi. Mycket tyder på att den generativa AI:ns exponentiella tillväxt leder till en häpnadsväckande energiförbrukning som redan är i nivå med konsumtion av små nationer.
Kärnan i dilemmat ligger i AI:s grundläggande infrastruktur - datacenter. Dessa enorma digitala installationer är ökända för sin kolossala energi- och vattenförbrukning.
International Energy Agency (IEA) uppmärksammade nyligen det växande fotavtrycket från datacenter, som redan förbrukar mer än 1,3% av världens elektricitet.
Prognoser från Boston Consulting Group och Europeiska unionen målar upp en dyster bild, med energibehov för datacenter potentiellt fördubblas eller till och med tredubblas under de kommande åren, vilket förvärrar energiutmaningarna.
Som svar på detta stärker Big Tech sin energiinfrastruktur för varje dag som går och överväger kärnkraft, inklusive fusion.
Microsoft nyligen öppnat en jobbannons för en "Principal Program Manager Nuclear Technology" och syftar till att utveckla en global strategi centrerad kring små modulära reaktorer (SMR) och mikroreaktorer, vilket visar på medvetenhet om de hotande energifrågor som AI står inför.
Nyligen, Helion Energimed stöd av Sam Altman från OpenAI, meddelade sin avsikt att starta världens första fusionskraftverk inom fem år.
Om Helion fungerar är det inte bara en potentiell väg ut ur klimatkrisen utan också en väg mot en mycket högre livskvalitet.
Har älskat att vara involverad de senaste 7 åren och är glada att investera mer. David och Chris är fantastiska.
- Sam Altman (@sama) 5 november 2021
Som Princeton-studien förklarar är fusionsreaktioner oerhört komplexa att begränsa och oförutsägbara.
En annan central utmaning är dock att uppnå en "nettoenergivinst", vilket innebär att fusionsprocessen producerar mer energi än den förbrukar.
Helion står inför betydande tekniska utmaningar. Jessica Lovering från Good Energy Collective lyfter fram två stora hinder: "Att producera mer energi än vad processen använder - och att omvandla den energin till en konsekvent och prisvärd form av el som kan levereras till elnätet."
Hittills är det bara Lawrence Livermores National Ignition Facility som har uppnått "vetenskaplig nettoenergivinst" med fusion, men inte "teknisk vinst", som tar hänsyn till den totala energitillförseln för processen.
Med andra ord är det avgörande att säkra nettoenergivinster från hela fusionsprocessen, inklusive ingenjörsinsatser, för att göra fusion till en livskraftig energiteknik snarare än ett dyrt experiment.
där @Helion_Energy kommer snart att börja installera polaris: pic.twitter.com/Tk7znzvOPg
- Sam Altman (@sama) 2 februari 2024
Helion går vidare och utvecklar sin sjunde prototyp, Polaris, som förväntas demonstrera elproduktion från fusionsreaktioner 2024.
Helion, som är baserat i Everett, Washington, har redan säkrat Microsoft som sin första kund genom ett energiköpsavtal. Helion siktar på att deras första plan ska ge en kapacitet på minst 50 megawatt (mW).
microsoft blir helions första kund, i det första kommersiella avtalet för fusionskraft:https://t.co/q9mOeWdR0s
- Sam Altman (@sama) 10 maj 2023
Detta är en försvinnande liten kapacitet, eftersom en genomsnittlig vindturbin producerar cirka 3 MW - vilket motsvarar en liten vindkraftspark. Men när Helion väl är i drift kommer den att skapa ren energi på samma sätt som andra former av förnybar energi. Den är säkrare än fissionsanläggningar och kommer så småningom att bli billigare att producera i stor skala.
I takt med att den digitala och den fysiska världen blir alltmer sammanflätade kommer energibehovet för AI och cloud computing att fortsätta öka.
Genom att satsa på kärnfusion kan man få en glimt av en framtid där ren energi i överflöd kan driva den obevekliga AI-utvecklingen.
Och med tanke på att Microsoft, Altman och andra teknikföretag redan ställer upp som investerare och köpare, kommer det definitivt att bli teknikföretagen som får tag på fusionskraft först.
