DeepMindのAIが核融合炉の制御を学習、Nature誌に発表

DeepMindのAIが核融合炉の制御を学習、Nature誌に発表

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載しています。転載の際は出典元にご連絡ください。

DeepMind がタンパク質折り畳み問題で大きな進歩を遂げた後、その目標核融合に移りました

最近では、シミュレーション環境と実際の核融合装置(トカマク)の両方でプラズマを自律制御できる世界初の深層強化学習AIを開発した

なじみのない用語については心配しないでください。すぐに説明します。

これは従来のコンピュータ制御よりも効率的かつ正確であり、その結果は本日の「ネイチャー」誌に掲載されました。

強化学習の最も挑戦的な応用の一つとして、この成果は制御された核融合を加速する上でも大きな意義を持ちます。

強化学習による核融合反応の制御

核融合は、将来の最も有望なクリーンエネルギー源です。たった 1 つの原子核から膨大な量のエネルギーを生成でき、比較的少量の放射性廃棄物(1 世紀以内に分解可能)を除けば、温室効果ガスを一切発生しません。

しかし、この反応を地球上で実現するのは極めて困難であり、むき出しの原子核からなる「プラズマ」を生成するために極めて高い温度と圧力を作り出す必要がある

磁気閉じ込め核融合装置であるトカマクはこの目標を達成するための最も有望なアプローチです。

水素を1億度を超える温度でプラズマ状態に過熱できるトロイダル型原子炉です。

△ トカマク内部の様子

プラズマの温度は物質を閉じ込めるには高すぎるため、強力な磁場によってトカマク内部に浮かせておく必要があります。

磁気コイルは壁にぶつかると容器が損傷し、核融合反応が遅くなる可能性があるため、非常に慎重に取り扱わなければなりません。

トカマクには合計 19 個の磁気コイルがあり、コイルとその電圧を 1 秒間に何千回も調整する必要があります。

従来の装置では、各コイルに個別のコントローラが装備されています。

研究者がプラズマの構造を変えて、より高いエネルギーを生み出すためにさまざまな形状を試したいときは、多くのエンジニアリングと設計の作業が必要になります。

DeepMind の強化学習システムは、19 個のコイルすべてを一度に制御し、プラズマを正確に操作して自律的にさまざまな形状をとることができるため、科学者が研究してきたより高いエネルギーを生み出す新しい構成を実現できます。

たとえば、下の図の 2 番目の「負の三角形」と 4 番目の「スノーフレーク」 (この形状は、トカマク壁のさまざまな接触点に廃棄エネルギーを分散させることで、冷却コストを削減できます)

最初の「液滴」と同様に、トカマク内で 2 つのプラズマが同時に安定化されたのもこれが初めてです。

このAIシステムは、 DeepMindとローザンヌのスイス連邦工科大学のプラズマセンターの物理学者によって開発された。

スイスセンターのメンバーは、「ここにある形状のいくつかはデバイスの限界に近く、システムに損傷を与える可能性があります。AIによって与えられた信頼性がなければ、私たちはこのようなリスクを冒さなかったかもしれません」と語った。

AIはシミュレーターで試行錯誤しながら訓練されました。

現在稼働中の原子炉はプラズマを一度に数秒しか維持できず、その後はリセットする時間が必要となるため、シミュレーターは核融合研究に不可欠です。

しかし、問題があります。シミュレータは、実際のトカマクに存在するすべての変数を正確に捉えることができません。実際のトカマクに移行できるでしょうか?

これに対して、DeepMindの研究者は、柔軟なAIを訓練するには乱数を使用するだけで十分だと述べた。

もう一つの問題は、トカマク内部のプラズマの制御を維持するために、制御アルゴリズムは極めて高速な判断を下し、わずか数秒で磁場を調整できなければならないことです。しかし、多くの AI システムでは、このような高速環境で予測を行うのに長い時間がかかります。

これを実現するために、研究チームはまず、磁場の変化がプラズマにどのような影響を与えるかについて長期的な予測を行うことができる大規模なニューラルネットワークを訓練した

このネットワークは、最初のネットワークによって推奨された決定を実装する最良の方法を学習するために、はるかに小さなシステムをトレーニングするために使用されます。

この小規模ネットワークは、トカマク制御システムと直接対話し、50 マイクロ秒(1 秒の 5000 万分の 1)未満で決定を下すことができます

最後に著者は、この成果は大きな意義を持つが、人類による制御された核融合の実現に向けた小さな一歩に過ぎないと述べた。

例えば、1秒間のリアルタイム動作を実現するには、数時間にわたってトカマクをシミュレートする必要があり、その状況は日々変化する可能性があり、さまざまな面でアルゴリズムを改良する必要があります。

さらに、現在のシステムをより大型のトカマク装置に移行できるかどうかはまだ不明です。

核融合エネルギーがいつ商業的に利用可能になるかは分かりませんが、ディープマインドは人工知能によってそのプロセスを加速できると主張しています。

AlphaFold のように世界を驚かせるような、核融合の分野で新たな成果を再び達成できるかどうかはわかりません。

待って見てみましょう。

(核融合を制御するAIがいつか暴走したら…と心配するネットユーザーもいる)

論文の宛先:
https://www.nature.com/articles/s41586-021-04301-9

<<:  アンドリュー・ン氏の新たな動き:「データ中心のAI」の拠点となる新たなMLリソースサイトを設立

>>:  機械学習はデータセキュリティに対する新たな脅威や裏口となるのでしょうか?

ブログ    
ブログ    
ブログ    
ブログ    
ブログ    
ブログ    

推薦する

アルファベットのウィングがドローン配達サービスをダラス・フォートワース地域に導入

ドローンはまもなく、タイレノールとバンドエイドが詰まった小型容器を積んでダラス・フォートワース上空を...

張北院士:生成型人工知能の3つの大きな機能と1つの大きな欠点

網易科技は1月16日、知普AI技術公開デーで中国科学院院士で清華大学教授の張北氏が「大規模言語モデル...

Think2Drive: 自動運転のための初のモデルベース RL 手法 (上海交通大学)

この記事は、Heart of Autonomous Driving の公開アカウントから許可を得て転...

...

自動化から拡張現実まで: 製造業を混乱させる 12 の革新的なテクノロジー トレンド

製造業は、自動車、電子機器、医療機器、機械、その他のシステムの部品を生産する上で重要な役割を果たして...

2019年のAI研究開発のホットスポットのレビュー

人工知能技術を継続的に改善することで、より優れたインテリジェントな世界を創造することができます。 2...

TypeScript 実践アルゴリズムシリーズ (XII): Map と HashMap の実装

この記事では、辞書とハッシュテーブルの実装のアイデアを詳しく説明し、TypeScript を使用して...

EasyDL モデルのトレーニングから EdgeBoard 推論までのステップバイステップ ガイド

まとめ: EdgeBoard は Baidu が開発した FPGA ベースの組み込み AI ソリュー...

「アルゴリズムとデータ構造」トライ木の美しさ

[[349418]]序文今回紹介するトライ辞書ツリーは、データ構造トピックの分岐です。トライのツリー...

マイクロソフト、警察への顔認識サポート提供を禁止される企業リストに加わる

マイクロソフトはIBMとアマゾンに続き、米警察への顔認識ソフトウェアの販売を停止した最新のテクノロジ...

マイクロソフトCEO、テクノロジー大手各社がAIを訓練するためのコンテンツをめぐって競争していると語る

ナデラ氏は最近、米国政府によるグーグルに対する反トラスト訴訟で証言した。これは、米国政府が1998年...

...

オラクル、企業の言語モデルの導入と微調整を支援するクラウドベースの生成AIサービスを開始

データベース大手のオラクルは最近、Oracle Cloud Infrastructure Gener...

ビッグデータと人工知能の違いすら分からないのに、あなたはまだトップへの道を歩んでいる

ビッグデータと AI は公平に比較​​できるでしょうか? ある程度は公平ですが、まずはその違いを明確...

ビッグデータがなくてもディープラーニングは可能でしょうか?中小企業のトレーニングのための新しいソリューション、大規模モデル

海外メディアの報道によると、AI専門家のアンドリュー・ン氏はIEEEに対し、ディープラーニングの今後...