Der neueste Erfolg von Googles KI-Gruppe: Fusionsreaktorsteuerung

Während die Welt darauf wartet, den bisher größten Fusionsreaktor namens ITER zu bauen, kleinere Reaktoren Mit ähnlichen Designs, die noch laufen. Diese Reaktoren, Tokamaks genannt, helfen uns, sowohl Hardware als auch Software zu testen. Hardwaretests helfen uns, Dinge wie die für die Behälterwände verwendeten Materialien oder die Form und Position der Steuermagnete zu verbessern.

Aber man kann sagen, dass das Programm das Wichtigste ist. Um die Fusion zu ermöglichen, muss die Steuersoftware des Tokamaks den Zustand seines Plasmas überwachen und auf alle Änderungen reagieren, indem sie Echtzeitanpassungen an den Magneten des Systems vornimmt. Andernfalls kann es zu allem Möglichen kommen, von niedriger Energie (was zu einem Scheitern der Fusion führt) bis hin zum Austreten von Plasma aus dem Sicherheitsbehälter (und Verbrennen der Behälterwände).

Um das richtige Steuerprogramm zu erhalten, ist ein detailliertes Verständnis sowohl des Steuermagneten als auch des Plasmas, das der Magnet handhabt, erforderlich. Oder es wäre genauer zu sagen, diese Steuerungssoftware richtig zu machen Sie können fragen. Denn heute gibt Googles KI-Team DeepMind bekannt, dass seine Software erfolgreich darauf trainiert wurde, Tokamak zu steuern.

außer Kontrolle

Die Entwicklung von Steuerungssoftware für Tokamak ist ein komplexer Prozess. Basierend auf früheren Erfahrungen mit ähnlichen Designs können Ingenieure einige der Grundprinzipien sammeln, die zum Ausführen der Software erforderlich sind, z. B. welche Sensoreingänge gelesen werden müssen und wie auf Änderungen in ihnen reagiert werden soll. Aber es gibt immer wieder Macken, die von der Bauweise der Geräte und den Energien des verwendeten Plasmas abhängen. Daher gibt es in der Regel einen iterativen Skalierungs- und Modellierungsprozess, gefolgt von Anpassungen des Steuerungsprozesses, während immer noch genügend Leistung für Anpassungen nahezu in Echtzeit aufrechterhalten wird.

Das resultierende Steuerprogramm neigt dazu, etwas spezialisiert zu sein. Wollen Forscher im Tokamak mit einer ganz anderen Plasmageometrie experimentieren, ist möglicherweise eine größere Überarbeitung des Programms erforderlich.

Forscher auf diesem Gebiet hatten künstliche Intelligenz bereits als mögliche Lösung identifiziert. Nennen Sie genügend Beispiele, die für künstliche Intelligenz geeignet sind, und sie können sagen, welche Steuerungskonfigurationen die gewünschten Eigenschaften im Plasma erzeugen. Dadurch können sich die Menschen auf den gewünschten Endzustand konzentrieren und ihn dann von der Software produzieren lassen, damit sie ihn studieren können. KI muss auch flexibler werden; Einmal in der Steuerung des Systems geschult, sollte es in der Lage sein, sehr unterschiedliche Plasmakonfigurationen für Studienzwecke zu erzeugen, ohne dass eine Neuprogrammierung erforderlich ist.

Um diese Idee voranzutreiben, brauchten wir nur Experten für KI und Tokamak. Für das neue Forschungspapier kam das KI-Team aus Googles DeepMind-Sparte, die dafür bekannt ist, Software zu entwickeln, die alles kann. Proteinfaltung zu Sternen Schiff. Tokamak kommt aus Höflichkeit Schweizer Plasmazentrum An der EPFL in Lausanne.

Fusion üben

Da es eine Katastrophe sein könnte, KI während des Trainingsprozesses auf realen Maschinen einzusetzen, begann das Team mit einem Tokamak-Simulator, der für Swiss Plasma Center-Maschinen bestimmt war. Dies war ziemlich genau, und sie programmierten eine Grenze in die KI, die sie daran hinderte, Plasma in die Konfiguration zu leiten, in der der Simulator ungenaue Ergebnisse liefern würde. DeepMind trainierte dann seine Deep-Learning-Software für den Zugriff auf eine Vielzahl von Plasmakonfigurationen, indem es sie den Simulator steuern ließ.

Während des Trainings lieferte eine überlappende Schicht der Software eine Belohnungsfunktion, die anzeigte, wie nahe die Eigenschaften des Plasmas dem gewünschten Zustand lagen. Ein anderer Algorithmus namens Critic lernte die erwarteten Belohnungen für verschiedene Änderungen des Steuermagneten des Tokamaks. Diese wurden vom eigentlichen neuronalen Steuerungsnetz verwendet, um zu wissen, welche Maßnahmen zu ergreifen sind.

Der Kritiker war aufwändig und rechenintensiv, wurde aber nur während des Trainingsteils verwendet. Wenn er trainiert wurde, lernte der Kontrollalgorithmus, welche Maßnahmen er ergreifen musste, um eine Vielzahl von Situationen zu erreichen, und der Kritiker konnte ignoriert werden.

Um eine Echtzeitleistung zu ermöglichen, wurde die trainierte Konsole als ausführbare Datei kompiliert. Ein Standard-Steuerprogramm wird verwendet, um den Tokamak zu aktivieren und das Plasma auf hohe Energien zu bringen. Sobald das Plasma stabil war, übergab ich die Kontrolle an die KI.

es funktioniert!

Die resultierende Software hat ziemlich genau das ausgeführt, was Sie sich wünschen, wenn Sie sie auf die tatsächliche Hardware übertragen. Die Software konnte Versuchsläufe steuern, die im Laufe der Zeit auf unterschiedliche Bedingungen abzielten – in einem Testfall erhöhte sie die Leistung, hielt das Plasma stabil, änderte dann die Plasmageometrie und bewegte dann das Plasma innerhalb des Tokamaks, bevor sie die Leistung wieder erhöhte. In einem anderen Fall enthielt es gleichzeitig zwei getrennte Plasmastrukturen im selben Tokamak.

Das Papier, das diese Arbeit beschreibt, enthält eine lange Liste von Dingen, die die Autoren benötigen. Diese Liste enthält einen Tokamak-Simulator, der detailliert genug ist, um genau zu sein, aber kompakt genug, um schnell genug Feedback zu geben, um bestärkendes Lernen zu ermöglichen. Das Trainingsset musste sowohl allgemeine Bedingungen, ähnlich denen, an denen die Kontrolle übergeben wurde, als auch ungewöhnliche Bedingungen enthalten, die es ermöglichen würden, zu lernen, wie diese Formationen auf die experimentellen übertragen werden. Darüber hinaus mussten die Forscher eine Software entwickeln, die detailliert genug ist, um ein breites Spektrum potenzieller Steuerungsoptionen zu bewerten, aber auch in der Lage sein sollte, einen schnell arbeitenden Controller zu trainieren, der in eine ausführbare Datei kompiliert werden konnte.

Die Menschen hinter dieser Arbeit sind auch gespannt, was zukünftige Arbeit bedeuten könnte. Anstatt die Dinge auf die Modellierung vorhandener Geräte zu beschränken, schlagen sie vor, dass es möglich sein sollte, einer Iteration dieses Programms die gewünschte Konfiguration des Plasmas zu geben und ihm zu erlauben, die Hardwaregeometrie zu definieren, die es ihm ermöglicht, diese zu erstellen. Alternativ kann es die Leistung bestehender Geräte verbessern.

Jetzt müssen wir nur noch auf einen KI-tauglichen Fusionsreaktor warten.

Natur, 2022. DOI: 10.1038/s41586-021-04301-9 (Über DOIs).