Google-ის AI და-ძმა DeepMind აკონტროლებს პლაზმის ფორმებს ბირთვული შერწყმისთვის

DeepMind სწავლობს, თუ როგორ უნდა აკონტროლოს მაგნიტური მოწყობილობების პარამეტრები, რომლებიც გამოიყენება ბირთვულ შერწყმაში.

ტოკამაკის მოდელი, ელექტროენერგიის წარმოების ბირთვული შერწყმის პროცესში ძირითადი კომპონენტი.

ანბანის მფლობელობაში DeepMind- მა შეიმუშავა AI, რომელიც აჩვენებს დაპირებას მაგნიტური მოწყობილობების კონტროლისთვის, რომლებიც ინარჩუნებენ სუპერ ცხელ და უმართავი პლაზმას სტაბილურ კონფიგურაციაში, რაც საშუალებას აძლევს ბირთვულ შერწყმას ელექტროენერგიის წარმოებისთვის.

ეს პლაზმური შემაერთებელი მოწყობილობები, სახელწოდებით tokamaks, იქმნება მაღალი სიმძლავრის მაგნიტური კოჭების სერიის გამოყენებით, რათა შეიქმნას ჭურჭელი, რომელშიც პლაზმა კონტროლდება ტემპერატურაზე, როგორც ცხელი, როგორც მზის ბირთვი. სწორად შემოფარგლულ პლაზმას შეუძლია ბირთვული შერწყმა მოხდეს წყალბადის ატომებს შორის და შესწავლილია, როგორც ელექტროენერგიის გამომუშავების მდგრადი მეთოდი. 

DeepMind და EPFL- ის შვეიცარიული პლაზმური ცენტრის (SPC) მკვლევარები დეტალურად აღწერენ ბუნების ახალ ნაშრომში, თუ როგორ დაეხმარნენ მათ DeepMind AI ალგორითმების ნაკრების შექმნაში, რომელსაც შეუძლია გააკონტროლოს პლაზმის ფორმა გემის შიგნით.

იხილეთ: დამსაქმებლები სასოწარკვეთილნი არიან მონაცემთა მეცნიერებისთვის, როგორც მოთხოვნა ბუმები

SPC- ს აქვს "ცვლადი კონფიგურაციის ტოკამაკი" (TCV) ვაკუუმური ხომალდი ბირთვული შერწყმის პლაზმური პატიმრობის შესამოწმებლად. SPC- ს სჭირდებოდა გზა იმის უზრუნველსაყოფად, რომ მას შეუძლია საიმედოდ შეარჩიოს სწორი მნიშვნელობები თითოეული ცვლადისთვის, როგორიცაა ძაბვა, საკონტროლო სისტემის პლაზმური პატიმრობისთვის.

SPC- ს უკვე ჰქონდა კარგად ინფორმირებული სიმულატორი, მაგრამ მის მომხმარებლებს ჯერ კიდევ სჭირდებათ გრძელი გამოთვლების გაშვება, რათა განსაზღვრონ სწორი მნიშვნელობა კონტროლის სისტემაში თითოეული ცვლადისთვის, SPC- ის თანახმად.

სწორი მნიშვნელობებით, კონტროლის სისტემას შეუძლია პლაზმის დახვეწა ისე, რომ თავიდან აიცილოს იგი, მაგალითად, TCV ვაკუუმის გემის კედლებთან შეჯახება, ამ შემთხვევაში პლაზმა გაუარესდება.

მკვლევარები ამბობენ, რომ მათ შექმნეს "ადრე აღწერილი არქიტექტურა ტოკამაკის მაგნიტური კონტროლერის დიზაინისთვის, რომელიც ავტონომიურად სწავლობს კონტროლის კოჭების სრული ნაკრების ბრძანებას." ამ არქიტექტურას შეუძლია შეამციროს ძალისხმევა, რომელიც საჭიროა ახალი პლაზმური კონფიგურაციების წარმოებისთვის.  

SPC- ის ბლოგპოსტის თანახმად, DeepMind- ის AI- ს, რომელიც გაწვრთნილი იყო მის სიმულატორზე, შეუძლია შექმნას და შეინარჩუნოს კონკრეტული პლაზმური კონფიგურაციები, მათ შორის, როგორც ეს აღწერილია ქაღალდზე, "მოგრძო, ჩვეულებრივი ფორმები, ასევე მოწინავე კონფიგურაციები, როგორიცაა უარყოფითი სამკუთხა და "ფიფქის" კონფიგურაციები.

DeepMind და SPC ასევე წარმატებით მართავდნენ ალგორითმებს SPC- ის რეალურ TVC- ზე და არა მხოლოდ მის სიმულატორზე. მათ ასევე აჩვენეს გემის შიგნით ორი ცალკეული პლაზმური "წვეთების" მდგრადი კონფიგურაცია.   

DeepMind- ს ჯერ არ გამოუქვეყნებია თავისი პოსტი კვლევის შესახებ, მაგრამ ამას საბოლოოდ გააკეთებს ამ ბმულზე.