Die erfolgreiche Umsetzung der Kernfusion verspricht eine unbegrenzte, nachhaltige Quelle sauberer Energie, aber wir können diesen unglaublichen Traum nur verwirklichen, wenn wir die komplexe Physik beherrschen, die im Inneren des Reaktors vor sich geht.
Im Laufe der Jahrzehnte haben Wissenschaftler schrittweise Schritte in Richtung dieses Ziels unternommen, aber viele Probleme bleiben ungelöst. Eines der Haupthindernisse ist die erfolgreiche Bewältigung des instabilen und überhitzten Plasmas im Reaktor – aber ein neuer Ansatz zeigt, wie wir es schaffen können.
In einer Zusammenarbeit zwischen dem Swiss Plasma Center (SPC) der EPFL und DeepMind, einem Unternehmen für künstliche Intelligenz (KI), verwendeten Wissenschaftler ein Deep Reinforcement Learning (RL)-System, um die Nuancen des Plasmaverhaltens und der Plasmakontrolle in einem Donut-förmigen Fusions-Tokamak zu untersuchen eine Reihe von Magnetspulen, die sich um den Reaktor herum befinden, um das darin befindliche Plasma zu steuern und zu manipulieren.
Es ist ein kniffliger Balanceakt, da die Spulen eine Vielzahl feiner Spannungsanpassungen erfordern, bis zu Tausenden von Malen pro Sekunde, um das Plasma erfolgreich im Magnetfeld zu halten. Daher erfordert die Aufrechterhaltung von Kernfusionsreaktionen – was die Aufrechterhaltung der Plasmastabilität bei Hunderten von Millionen Grad Celsius beinhaltet, heißer als sogar der Kern der Sonne – komplexe, mehrstufige Systeme zur Steuerung der Spulen. In einer neuen Studie haben Wissenschaftler jedoch gezeigt, dass ein künstliches Intelligenzsystem diese Aufgabe alleine bewältigen kann.
„Unter Verwendung einer Lernarchitektur, die Deep RL und eine Simulationsumgebung kombiniert, haben wir Controller entwickelt, die das Plasma sowohl in einem stabilen Zustand halten als auch verwenden können, um verschiedene Formen genau wiederzugeben“, erklärt das Team in einem DeepMind-Blogbeitrag. Um dieses Kunststück zu vollbringen, trainierten die Forscher ihr KI-System in einem Tokamak-Simulator, in dem das maschinelle Lernsystem durch Versuch und Irrtum lernte, wie man durch die Komplexität des magnetischen Plasmaeinschlusses navigiert. Nach dem Abschluss brachte die KI es auf die nächste Stufe, indem sie das, was sie im Simulator gelernt hatte, in der realen Welt anwandte.
Durch Ansteuern eines SPC-Tokamaks mit variabler Konfiguration (TCV) verlieh das RL-System dem Plasma im Inneren des Reaktors verschiedene Formen, darunter eine, die noch nie zuvor in einem TCV zu sehen war: stabilisierende "Tröpfchen", bei denen zwei Plasmen gleichzeitig im Gerät existierten. Neben traditionellen Formen könnte die KI auch erweiterte Konfigurationen erstellen, die dem Plasma „negatives Dreieck“ und „Schneeflocken“-Formen geben.
Jede dieser Manifestationen hat ein anderes Potenzial für die Energieerzeugung in der Zukunft, wenn wir Kernfusionsreaktionen aufrechterhalten können. Eine der von diesem System gesteuerten Konfigurationen, die "ITER-ähnliche Form", könnte besonders vielversprechend für zukünftige Studien am International Thermonuclear Experimental Reactor (ITER), dem weltweit größten Kernfusionsexperiment sein, das derzeit in Frankreich gebaut wird.
Laut den Forschern ist die magnetische Kontrolle dieser Plasmaformationen „eines der komplexesten realen Systeme, auf die Reinforcement Learning angewendet wurde“ und könnte eine radikal neue Richtung beim Design von realen Tokamaks einschlagen. Nicht nur das, einige glauben, dass es die Zukunft fortschrittlicher Plasmakontrollsysteme in Fusionsreaktoren grundlegend verändern wird.
Lesen Sie auch: