Фахівці з Принстона (США) застосували технологію машинного навчання для поліпшення конструкції посудин, що оточують розпечену плазму в термоядерних реакторах типу токамак і стелатор. У результаті вони домоглися оптимізації методів нагрівання і підтримки стабільного контролю над реакцією протягом тривалого часу.
Принстонські фізики почали застосовувати системи штучного інтелекту для стримування нестабільності плазми у 2019 році. На їхню думку, моделі машинного навчання дають змогу якісніше обробити велику кількість вхідних даних і відреагувати на них за тисячні частки секунди. “Неможливо ефективно боротися зі збуреннями, якщо витрачати на це більше кількох мілісекунд, – сказав Вільям Тан, головний дослідник Лабораторії фізики плазми. -Це як почати лікувати смертельний рак після того, як стало вже занадто пізно”.
Машинне навчання дає змогу відійти від класичного набору команд, які програміст пише для комп’ютера, і дозволити машині самій аналізувати дані та адаптуватися до нової інформації. Вчені з Лабораторії вважають, що ця здатність вчитися і пристосовуватися допоможе підвищити керованість реакції термоядерного синтезу, пише Science Daily.
Нестабільності плазми можуть призводити до серйозних пошкоджень. Для реакторів, які перебуватимуть у комерційній експлуатації, таке неприпустимо. Машинне навчання в змозі захистити процес від магнітних збурень, що порушують стабільність плазми. Комп’ютерна система здатна ухвалювати рішення за частки секунди, швидше, ніж людина, і автоматично налаштовувати параметри роботи реактора, передбачаючи небезпечні зміни.
“Наші результати особливо вражають, оскільки ми змогли досягти їх на двох різних токамаках, використовуючи один і той самий код”, – сказав Кім Сан Кьон, один із дослідників, маючи на увазі токамаки DIII-D і KSTAR. Причому в обох випадках плазма перебувала в режимі високого утримання (H-Mode), найскладнішому з точки зору стабілізації, але необхідному для вироблення енергії термоядерного синтезу.