Google DeepMind宣布與CFS合作，有望將聚變能源帶入現實

編輯丨coisini

眾所周知，聚變能帶來清潔豐沛的能源，且不會產生長效放射性廢物。要在地球上實現聚變，就需要使電離氣體（即等離子體）在超過 1 億攝氏度的極端環境下，穩定存在于聚變裝置的約束場中。

這個高度復雜的物理難題，Google DeepMind 嘗試用人工智能攻克。

今天，Google DeepMind 宣布與全球聚變能源領軍企業 Commonwealth Fusion Systems（CFS）達成研究合作，致力于將清潔安全的無限聚變能源帶入現實。

圖源：https://deepmind.google/discover/blog/bringing-ai-to-the-next-generation-of-fusion-energy/

研究合作

CFS 通過其緊湊型強場托卡馬克裝置 SPARC，正在開辟通往清潔安全、近乎無限的聚變能源的快速通道。

SPARC 采用高性能高溫超導磁體，有望成為人類歷史上首個實現聚變能量凈增益的磁約束裝置 —— 即產生的聚變能量超過維持反應所需輸入能量。

此前，Google DeepMind 與瑞士洛桑聯邦理工學院等離子體中心合作，證明了深度強化學習能夠精準操控托卡馬克磁體，穩定復雜形態的等離子體。為了涵蓋更廣泛的物理現象，Google DeepMind 開發了基于 JAX 框架打造的快速可微分等離子體模擬器 ——TORAX。

現在，Google DeepMind 將把這項開創性技術應用于 CFS，目前雙方已在三個關鍵領域展開合作：

• 構建快速精準、可微分的聚變等離子體模擬系統；
• 探尋最大化聚變能量輸出的高效穩健路徑；
• 運用強化學習探索新型實時控制策略。

聚變等離子體模擬

為了優化托卡馬克裝置性能，研究團隊需要模擬熱量、電流和物質在等離子體核心區域的流動及其與周邊系統的相互作用。

TORAX 已將研究范圍從磁約束模擬拓展至更廣泛的物理問題。由于 TORAX 基于 JAX 架構打造，因此可流暢運行于 CPU 和 GPU，并能無縫集成包括谷歌自有模型在內的人工智能系統，實現更卓越的性能。

在 SPARC 正式啟動前，TORAX 將幫助 CFS 團隊通過數百萬次虛擬實驗來測試完善運行方案。當首批實驗數據出爐時，TORAX 還能助力團隊快速調整策略。

TORAX 已成為 CFS 日常工作的核心工具，幫助研究人員理解等離子體在不同條件下的行為規律，為研究團隊節約了大量時間與資源。

探尋能量最大化最優路徑

托卡馬克運行涉及磁線圈電流、燃料注入及加熱功率等諸多參數的精細調節，人工尋找既滿足運行約束又能最大化能量輸出的最優配置方案效率低下。

通過將 TORAX 與強化學習及 AlphaEvolve 等進化搜索算法結合，AI 智能體可以在模擬環境中探索海量運行場景，快速鎖定實現凈能量增益的最優路徑。這將幫助 CFS 聚焦最具潛力的策略，從首日運行起就提升成功概率 —— 甚至在 SPARC 全面投入全功率運行之前。

研究團隊正在構建可研究多種 SPARC 場景的基礎架構，既能在不同約束條件下尋求聚變功率最大化，也能隨著對裝置認知的深入不斷優化系統的穩健性。

圖示：SPARC 裝置截面示意圖。左圖：紅色區域為等離子體。右圖：TORAX 模擬的等離子體脈沖示例，顯示等離子體壓力的動態變化。通過調整控制指令改變等離子體性能，從而產生不同的等離子體脈沖。

通過持續擴大聚變研究合作網絡，研究團隊將基于歷史托卡馬克數據和高精度模擬對 TORAX 進行驗證與校準，進而在 SPARC 啟動運行后快速適應實際工況。

開發實時控制的人工智能導引系統

Google DeepMind 之前的研究已證明強化學習可有效控制托卡馬克的磁約束構型。研究團隊現在正通過同步優化更多運行參數來提升系統復雜性，例如最大化聚變功率或管理 SPARC 熱負荷，使裝置能在更高性能區間安全運行，同時擴大安全運行邊界。

全功率運行時，SPARC 釋放的巨額熱量將集中作用于微小區域，必須精確調控以保護最接近等離子體的固體材料。如下圖所示，SPARC 可能采用的策略之一是通過磁控方式使排出能量沿器壁進行掃描式分布。

在合作初期階段，研究團隊重點研究強化學習智能體如何動態控制等離子體以實現熱量的有效分布。未來，人工智能有望制定出超越人工設計的自適應策略。

除研究工作外，谷歌還對 CFS 進行了投資，支持其在關鍵科技與工程領域的突破性探索。

谷歌希望匯聚人工智能與聚變技術的革命性潛力，為人類建設更清潔、更可持續的能源未來奠定基石。

參考內容：https://deepmind.google/discover/blog/bringing-ai-to-the-next-generation-of-fusion-energy/