DeepMind 深度學習助力核融合競賽，加速電漿控制研究

科學家們透過無止盡的運算、模擬和實驗，努力讓核融合成真，現在 Alphabet 旗下人工智慧公司 DeepMind 與洛桑聯邦理工學院（EPFL）瑞士電漿中心（Swiss Plasma Center ）合作，希望能大幅減少冗長的運算時間。

DeepMind 是知名人工智慧實驗室，先前因開發圍棋電腦程式 AlphaGo 並打敗世界排名的圍棋選手，聲名大漲最終被 Google 收購，2021 年也發表世界首個目前最完整的人類蛋白質組（Proteome）結構預測圖庫，解決難倒科學家 50 年的問題。

而人工智慧也可以助力核融合研究，科學家希望能找到穩定維持電漿流的方法，挖掘穩定核融合反應的關鍵。而瑞士電漿中心的核融合設備為外表像甜甜圈的托卡馬克（tokamak），利用強大磁場來控制極高溫電漿，將氫原子融合成氦原子，最終釋放強大能量。

瑞士電漿中心的托克馬克可變配置（variable-condition tokamak，TCV）顧名思義，就是試驗各種不同的電漿型態，研究人員不斷測試控制電漿的方法，讓電漿不會接觸到並損毀核融合設備的內部。

AD：韓國幸福持久口溶片 isentrips.com

瑞士電漿中心科學家 Federico Felici 表示，我們的模擬設備建立在 20 多年來的研究、現也正不斷更新，然而還是需要進行冗長的運算來確定控制系統每個變數的正確值，也因此我們與 DeepMind 展開聯合研究。

DeepMind 開發的新深度強化學習（Deep Reinforcement Learning），主要是在瑞士電漿中心的模擬設備上嘗試多種不同的電漿控制方案，隨著時間推移、機器獲得更多訓練，演算法便能計算出產生所需電漿型態（plasma configuration）的控制策略，最後就能進行逆向工程生成特定電漿形體。

最終團隊便能進行實際測試，創造並控制各種拉長或高難度的電漿形狀，好比負三角形（Negative Triangularity）和雪花形狀。DeepMind 控制團隊負責人 Martin Riedmiller 表示，團隊的任務是研究新一代 AI 系統閉迴路控制（closed-loop controllers），讓電腦從零開始地在複雜的動態環境中學習。