哈萨比斯：AI点燃人造太阳，加速无限能源时代到来

【导语】Google DeepMind近日宣布与全球聚变能源领军企业CFS展开合作，双方将共同利用人工智能技术加速"人造太阳"SPARC装置的研发进程。这一合作标志着AI技术正式进入核聚变科研的核心阶段，将推动人类迈向清洁、可持续的未来能源时代。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

不久前，Google DeepMind官方宣布与商业聚变能源巨头CFS达成战略合作，借助AI突破性能力推动核聚变能源的开发进程。

诺贝尔奖得主、Google DeepMind联合创始人兼CEO Demis Hassabis在X平台激动地表示，与CFS的合作将显著加速核聚变能源发展，推动人类迈向可持续未来，实现无限清洁能源的梦想。

Google DeepMind领先的AI技术与CFS尖端硬件设备的深度融合，将为核聚变研发领域带来突破性进展。

CFS正在全力推进其旗舰项目SPARC装置的研发，这个旨在产生净能量的核聚变机器正引领能源革命。

强强联手，跨越聚变的"能量收支平衡点"

聚变反应是太阳的能量来源，它能提供充足且清洁的能源，同时不会产生长期存在的放射性废料。

作为全球聚变能源领域的领军企业，CFS通过其强大的托卡马克装置SPARC，利用高温超导磁体技术实现受控核聚变。

这一过程被称为"人造太阳"，因为它完美复现了太阳内部的能量产生机制。

CFS的宏伟目标是成为历史上首个实现净聚变能量输出的磁约束聚变装置——即聚变产生的能量超过维持聚变所需能量。

这标志着人类向可行聚变能源迈出了里程碑式的一步。

当前面临的核心挑战在于优化托卡马克装置性能，需要精确模拟热量、电流和物质在等离子体核心中的复杂流动，以及它们与周围系统的相互作用，同时还要将聚变装置控制在安全运行范围内。

这是一道既要保证安全、又要提升效率、还要控制成本的极端复杂物理难题，而TORAX正是破解这一难题的关键技术。

TORAX是由Google DeepMind开发并开源的等离子体模拟器，通过强化学习技术，它可以协助CFS运行数百万次虚拟实验，以测试其托卡马克装置SPARC的各类运行方案。

双方还将共同研究如何将AI智能体训练成专业的"驾驭者"，探索实时控制等离子体的创新方法，使其在安全运行范围内承受极端高温并实现能量产出最大化。

此次与CFS的合作，正是建立在Google DeepMind此前利用AI成功控制等离子体的突破性研究基础之上。

Google DeepMind与瑞士洛桑联邦理工学院旗下的瑞士等离子体中心曾有过成功合作，证明了深度强化学习技术能够精确控制托卡马克磁场配置，稳定复杂的等离子体形态。

为了将这项研究成果推向更广泛的物理场景，Google DeepMind开发了TORAX，这是一个使用JAX编写的等离子体模拟器。

TORAX正是此次协助CFS攻克"能量收支平衡点"的AI利器，目前双方主要在三个关键方向展开深度合作：

构建快速、精准、可微分的聚变等离子体模拟系统；寻找最大化聚变能量输出的高效且稳健路径；运用强化学习探索创新的实时控制策略。

TORAX能够在CPU与GPU上灵活运行，并可无缝集成各类AI驱动模型，从而实现更高性能的运算能力。

目前TORAX已成为CFS日常研究的重要工具，能够协助CFS团队在SPARC启动之前就通过数百万次虚拟实验测试并优化运行方案，帮助他们深入理解等离子体在不同条件下的行为特征，从而节省宝贵的时间和资源。

CFS物理运行高级经理Devon Battaglia表示，TORAX帮助他们搭建与运行SPARC模拟环境时节省了大量工时。

通过强化学习，识别输出最高能量的最快路径

托卡马克的运行涉及多种参数调节，如磁线圈电流、燃料注入、加热功率等。

传统方式需要手动寻找在安全范围内实现最大能量输出的最佳组合，既复杂又低效。

通过将TORAX与强化学习等优化方法结合，AI智能体可以在模拟环境中探索海量潜在运行场景，快速识别出最高效、最稳健的能量生成方案。

得益于此，CFS团队得以聚焦最具潜力的策略，从项目初期就提高成功率，即使在SPARC尚未全面运行前也能做到这一点。

目前，Google DeepMind已经搭建起用于研究不同SPARC场景的基础设施，可以在不同约束条件下最大化聚变功率，或在了解装置特性后进一步优化运行稳健性。

左图显示SPARC的横截面，可见洋红色等离子体；中图为TORAX模拟的等离子体压力变化；右图展示了控制参数对等离子体性能的影响，产生不同的脉冲形态。

上图展示了一个标准SPARC等离子体脉冲在TORAX中的模拟过程，该系统可以评估大量不同的脉冲实验，找到预期性能最优的设置。

Google DeepMind通过不断扩展的全球聚变科研合作网络，能够基于历史托卡马克数据和高保真模拟验证TORAX，从而增强模拟结果的可信度，并在SPARC启动后快速调整控制策略。

在早期研究中，Google DeepMind已经证明强化学习可以精确控制托卡马克磁场配置。

现在他们正在研究如何进一步提升复杂性，增加多目标优化维度——例如在最大化聚变功率的同时，有效管理SPARC的热负载，使其在更高性能下安全运行。

当SPARC以满功率运行时，巨大的热量会集中在很小的区域，必须精准管理以保护靠近等离子体的固体材料。

一种可行的策略是通过磁场将废热沿壁面周期性"扫动"，如下图所示。

左图：SPARC内部等离子体接触材料位置；右图：三维动画展示能量沉积率随等离子体配置变化而改变的过程，非真实脉冲数据。

Google DeepMind表示，在合作的初始阶段，双方正在探索强化学习智能体如何学习动态调控等离子体，以高效分配热负载。

未来，AI有望学会比工程师手动设计更复杂的自适应控制策略，特别是在需要平衡多重约束与目标的复杂情况下。

此外，还可以利用强化学习为特定脉冲快速调优传统控制算法。

通过将优化与控制相结合，SPARC有望更快实现其历史性目标。

除了科研合作之外，Google还投资了CFS，全力支持CFS在科学研究与工程应用上的突破，推动聚变能源技术的商业化落地进程。

这场由Google DeepMind与CFS携手展开的合作，不仅象征着人工智能首次深度介入人类最复杂的能源工程之一，也预示着科学研究范式的根本性转变。

当深度学习的计算能力与聚变科学的创新速度相遇，科研进程的节奏将再次被重新定义。

参考资料：

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

https://x.com/GoogleDeepMind/status/1978808994811588666