如果能讓聚變反應堆運轉起來，它將提供廉價(jia) 、豐(feng) 富且相對清潔的能源。人工智能（AI）首次被用於(yu) 控製聚變反應堆內(nei) 的超高溫等離子體(ti) ，為(wei) 提高其穩定性和效率提供了一條新途徑。相關(guan) 研究近日發表於(yu) 《自然》。

　　英國DeepMind公司與(yu) 瑞士洛桑聯邦理工學院（EPFL）的科學家合作，創建了一個(ge) 神經網絡，能夠控製EPFL的托卡馬克配置變量（TCV）聚變反應堆中的磁場。這些磁場對於(yu) 安全控製反應堆的等離子體(ti) 至關(guan) 重要。

　　TCV的研究人員之前使用了19個(ge) 磁圈，每個(ge) 磁圈由一個(ge) 單獨的算法控製，通過大量傳(chuan) 感器監測反應堆內(nei) 部，每秒數千次。而DeepMind創建了一個(ge) 單一的神經網絡來同時控製所有線圈，並能自主學習(xi) ，從(cong) 而最好地控製等離子體(ti) 。

　　該團隊對人工智能進行了精確的數字模擬訓練，然後在真實機器上進行實驗，成功將等離子體(ti) 維持2秒左右。這接近反應堆的極限——TCV在一次實驗中將等離子體(ti) 維持3秒鍾，而世界紀錄隻有5秒。除了控製等離子體(ti) ，人工智能還能塑造等離子體(ti) ，並在反應堆內(nei) 移動它。人工智能甚至展示了同時控製兩(liang) 束分離等離子體(ti) 的能力。

　　EPFL的Federico Felici說，盡管理論上有很多方法可以用磁圈來控製等離子體(ti) ，科學家已經嚐試和測試了一些策略，但人工智能以新穎的方法與(yu) 線圈形成相同的等離子體(ti) 形狀，讓團隊感到驚訝。

　　Felici解釋說，“這種人工智能算法，即強化學習(xi) ，選擇了一種完全不同的方式使用TCV線圈，但仍在創造我們(men) 預期的相同等離子體(ti) 。這種完全不同的方式可以自由地探索整個(ge) 操作空間。”

　　英國約克大學的Howard Wilson認為(wei) ，這些人工智能實驗表明，將等離子體(ti) 包含在“極端幾何形狀”中是有希望的，這為(wei) 使用不同等離子體(ti) 形狀的實驗鋪平了道路，而這些實驗可能會(hui) 提高穩定性或效率。 “它降低了參數空間的操作風險，同時也打開了可以探索的參數新空間。”他說。（李木子）