بينما ينتظر العالم بناء أكبر مفاعل اندماجي حتى الآن يسمى ITER ، مفاعلات صغيرة مع تصاميم مماثلة لا تزال قيد التشغيل. تساعدنا هذه المفاعلات ، التي تسمى tokamaks ، في اختبار كل من الأجهزة والبرامج. يساعدنا اختبار المواد على ضبط أشياء مثل المواد المستخدمة لجدران الحاوية أو شكل ووضع مغناطيس التحكم.
لكن يمكن القول أن البرنامج هو الأهم. لتمكين الاندماج ، يجب أن يراقب برنامج التحكم في tokamak حالة البلازما التي يحتويها ويتفاعل مع أي تغييرات من خلال إجراء تعديلات في الوقت الفعلي على مغناطيس النظام. يمكن أن يؤدي عدم القيام بذلك إلى أي شيء من انخفاض الطاقة (مما يؤدي إلى أي فشل في الاندماج) إلى رؤية تسرب البلازما من مكانها (وحرق جدران الحاوية).
يتطلب الحصول على برنامج التحكم هذا فهمًا تفصيليًا لكل من مغناطيسات التحكم والبلازما التي يعالجها المغناطيس. أو سيكون من الأدق القول ، احصل على برنامج التحكم الصحيح طالب. لأنه اليوم ، يعلن فريق DeepMind AI في Google أن برامجه قد تم تدريبها بنجاح للتحكم في tokamak.
خارج السيطرة
يعد تطوير برنامج التحكم لـ tokamak عملية معقدة. استنادًا إلى الخبرة السابقة في التصميمات المماثلة ، يمكن للمهندسين استخراج بعض الأساسيات اللازمة لجعل البرنامج يعمل ، مثل مدخلات المستشعر التي يجب قراءتها وكيفية التفاعل مع التغييرات التي تطرأ عليها. ولكن لا تزال هناك مراوغات تعتمد على تصميم الأجهزة وطاقات البلازما المستخدمة. وبالتالي ، عادة ما تكون هناك عملية متكررة للقياس والنمذجة ، تليها تغييرات في عملية التحكم ، مع الحفاظ على أداء كافٍ لإجراء تعديلات في الوقت الفعلي تقريبًا.
يميل برنامج التحكم الناتج إلى أن يكون متخصصًا تمامًا. إذا أراد الباحثون تجربة هندسة مختلفة تمامًا للبلازما في توكاماك ، فقد يلزم إجراء إصلاح شامل للبرنامج.
كان الباحثون في هذا المجال قد حددوا بالفعل الذكاء الاصطناعي كحل ممكن. أعط أمثلة كافية للذكاء الاصطناعي الصحيح ، ويمكنها معرفة إعدادات التحكم التي تنتج الخصائص المرغوبة في البلازما. هذا من شأنه أن يحرر الأشخاص من التركيز على الحالة النهائية التي يريدونها والسماح للبرنامج بإنتاجها لهم حتى يتمكنوا من دراستها. يجب أن يكون الذكاء الاصطناعي أيضًا أكثر مرونة ؛ بمجرد تدريبه على كيفية التحكم في النظام ، يجب أن يكون قادرًا على إنتاج تكوينات بلازما مختلفة جدًا للدراسة دون الحاجة إلى إعادة البرمجة.
للمضي قدمًا في هذه الفكرة ، نحتاج فقط إلى خبراء في الذكاء الاصطناعي وتوكاماك. بالنسبة للوثيقة الجديدة ، يأتي فريق الذكاء الاصطناعي من قسم DeepMind في Google ، المشهور بتطوير البرامج التي يمكنها التعامل مع كل شيء البروتين للطي الى ستار كرافت. توكاماك هو من باب المجاملة مركز البلازما السويسري في EPFL Lausanne.
تدرب على الدمج
نظرًا لأن إطلاق العنان للذكاء الاصطناعي على أجهزة حقيقية أثناء عملية التدريب قد يكون كارثة ، فقد بدأ الفريق باستخدام جهاز محاكاة توكاماك خاص بالأجهزة من مركز البلازما السويسري. لقد كان دقيقًا إلى حد كبير ، وقاموا ببرمجة حدود في الذكاء الاصطناعي منعته من توجيه البلازما إلى تكوين حيث ينتج عن المحاكي نتائج غير دقيقة. ثم قام DeepMind بتدريب برنامج تعلم التعزيز العميق لتحقيق مجموعة متنوعة من تكوينات البلازما عن طريق السماح لها بالتحكم في جهاز المحاكاة.
أثناء التدريب ، قدمت طبقة متداخلة من البرنامج وظيفة مكافأة تشير إلى مدى قرب خصائص البلازما من الحالة المرغوبة. تعلمت خوارزمية أخرى ، تسمى “حرجة” ، المكافآت المتوقعة للتغييرات المختلفة لمغناطيس التحكم في توكاماك. تم استخدام هذه من قبل الشبكة العصبية للتحكم الفعلي لمعرفة الإجراءات التي يجب اتخاذها.
كان الناقد متقنًا ومكلفًا من الناحية الحسابية ، ولكن تم استخدامه فقط أثناء الجزء التدريبي. بعد الانتهاء من التدريب ، تعلمت خوارزمية التحكم الإجراءات التي يجب اتخاذها لتحقيق مجموعة متنوعة من الحالات ، ويمكن رفض النقد.
من أجل تمكين الأداء في الوقت الفعلي ، تم تجميع وحدة التحكم المدربة كملف تنفيذي. سيتم استخدام برنامج التحكم القياسي لتنشيط التوكاماك وجلب بلازما عالية الطاقة. بمجرد استقرار البلازما ، انتقلت السيطرة إلى الذكاء الاصطناعي.
انه يعمل انها تعمل!
عمل البرنامج الناتج إلى حد كبير كما كنت تتوقعه عندما يخسر على الأجهزة الحقيقية. يمكن للبرنامج التحكم في العمليات التجريبية التي استهدفت ظروفًا مختلفة بمرور الوقت – في حالة اختبار واحدة ، زادت الطاقة ، وحافظ على استقرار البلازما ، ثم غيّر هندسة البلازما ، ثم نقل البلازما في توكاماك قبل خفض الطاقة. وفي حالة أخرى ، احتوت في نفس الوقت على بنيتين بلازما متميزتين في نفس توكاماك.
تحتوي المقالة التي تصف هذا العمل على قائمة طويلة بالعناصر التي يحتاجها المؤلفون. تتضمن هذه القائمة محاكي توكاماك الذي تم تفصيله بما يكفي ليكون دقيقًا ومضغوطًا بدرجة كافية لتقديم ملاحظات سريعة بما يكفي لجعل التعلم التعزيزي ممكنًا. كان يجب أن تتضمن مجموعة التدريب كلاً من الظروف الشائعة المشابهة للمكان الذي تم فيه التحكم والظروف غير العادية التي سمحت له بتعلم كيفية الانتقال إلى الإعدادات التجريبية. بالإضافة إلى ذلك ، احتاج الباحثون إلى تطوير برنامج مفصل بدرجة كافية لتقييم مجموعة واسعة من خيارات التحكم المحتملة ، ولكنه قادر أيضًا على تكوين وحدة تحكم سريعة يمكن تجميعها في ملف تنفيذي.
الأشخاص الذين يقفون وراء هذا العمل متحمسون أيضًا لما يمكن أن ينذر بالعمل المستقبلي. بدلاً من مجرد قصر الأشياء على نمذجة الأجهزة الموجودة ، يقترحون أنه يجب أن يكون من الممكن إعطاء تكرار لهذا البرنامج التكوين المطلوب للبلازما ، والسماح له بتحديد هندسة الأجهزة التي ستسمح له بإنشاء ذلك. بدلاً من ذلك ، يمكنه تحسين أداء الأجهزة الموجودة.
الآن علينا فقط انتظار مفاعل اندماج جدير باهتمام الذكاء الاصطناعي.
الطبيعة ، 2022. DOI: 10.1038 / s41586-021-04301-9 (حول DOIs).
“Social media addict. Zombie fanatic. Travel fanatic. Music geek. Bacon expert.”