核聚变，被誉为清洁能源的圣杯，其原理与太阳和其他恒星产生能量的方式相同。尽管科学家们已经能够短暂地实现并维持核聚变能，但要将其转化为持久可用的能源，仍面临诸多挑战，其中一项关键难题就是等离子体稳定性问题。近日，普林斯顿大学和普林斯顿等离子体物理实验室的研究团队宣布了一项重大突破，他们利用人工智能成功预测并实时阻止了托卡马克装置中可能导致聚变反应中断的“等离子体撕裂”现象。
在聚变过程中，氢变体作为燃料在托卡马克这一环形装置中被加热至极高温度，形成等离子体状态。然而，这种高温、高能量的等离子体极易因不稳定而“撕裂”，从而逃离磁场控制，导致聚变反应突然终止。为解决这一难题，研究团队研发出一款基于强化学习的人工智能控制器，它能够根据实时观测到的等离子体轮廓信息，自动调整光束功率和等离子体三角度，以提前300毫秒预测并阻止潜在的等离子体撕裂事件。该研究成果于2024年2月21日在《自然》杂志上发表，题为《Avoiding fusion plasma tearing instability with deep reinforcement learning》。实验在美国圣地亚哥的DIII-D国家聚变设施进行，证实了人工智能在核心等离子体物理实时控制中的应用潜力。普林斯顿大学机械与航空航天工程教授Egemen Kolemen评价道：“这项成果绝对是我们向可控核聚变迈进的重要一步，因为稳定性的提升意味着我们更接近实现全天候、连续无故障运行聚变反应堆的目标。”
此外，本月早些时候，英国牛津市附近的科学家创造了新的聚变能纪录，仅使用0.2毫克燃料就维持了69兆焦耳的能量输出长达5秒，进一步证明了聚变能技术正不断取得实质进展。尽管如此，从科学实验阶段迈向商业化运营仍有很长的路要走，尤其考虑到应对气候变化所需的紧迫时间表。
普林斯顿大学团队此次开发的人工智能防撕裂系统不仅对现有托卡马克装置性能的提升具有显著意义，还为未来更高性能场景下的集成控制开发提供了重要启示和途径。这项科研成果不仅预示着核聚变领域机器学习能力的重大飞跃，也为我们追求清洁、无限且安全的能源未来注入了新的希望。
