在过去几年间，说起最引人注目的人工智能团队一定少不了DeepMind。它不仅开发了AlphaGo等占据各大新闻头条的人工智能，还在许多科学领域帮助科学家推进了科学的前沿。DeepMind团队研发的各类人工智能已经在“蛋白质折叠问题”上取得重大突破，为化学界提供了预测分子内电子分布的工具，还带来了识别数学结构和模式的机器学习。近日，DeepMind团队又带来了另一项惊喜。
它与瑞士等离子体中心（SPC）合作，共同开发了一种基于深度强化学习的等离子体磁控制的新方法，并首次将它应用在现实世界的等离子体控制中，这项变革性的技术为推动核聚变研究开辟了新途径。研究已于近日发表在《自然》杂志上。
为了解决全球能源危机，研究人员长期以来一直在寻求一种无限的清洁能源。核聚变正是一个有力的候选。通过粉碎和聚变氢，这个过程能够释放出巨大的能量。
这种反应在宇宙中几乎“随处可见”，它为包括太阳在内的恒星提供着动力。在地球上，科学家也试图“建造太阳”。重现这类极端条件的方式之一是使用一种被称为托卡马克的装置。托卡马克是一种磁线圈环绕的甜甜圈形状的真空装置，它借助强大的磁场将等离子体限制在数亿摄氏度的极高温状态下，这甚至比太阳核心还要热，从而让氢原子之间发生核聚变反应。
在这项新研究中，研究团队描述了如何通过AI算法在TCV上建立并运行控制器，成功控制了核聚变等离子体。团队使用一个结合了深度RL和模拟环境的学习架构，建立了一套控制系统，它既能保持等离子体稳定，又能精确地将等离子体塑造成不同形状。团队面临的第一个问题便是数据的缺乏。TCV在一次实验中最多只能维持等离子体约三秒，之后需要15分钟来冷却和重置，才能进行下一次尝试。
不仅如此，多个研究团队经常共同使用托卡马克，这进一步限制了可用于实验的时间。
这种“等离子体塑造”的实现说明，系统已经成功地控制了等离子体，而且更重要的是，这让科学家能够研究等离子体在不同条件下的反应，提高我们对聚变反应堆的理解。这项研究是另一个有力的例子，展示了机器学习可以帮助科学家应对重大挑战，并加速科学发现。对托卡马克控制的成功演示，显示了人工智能在加速和协助核聚变科学方面的力量。