人工知能アルゴリズムが核融合の応用に一歩近づく

核融合は現在一般的に使用されている核分裂法よりも安全で環境に優しいことはよく知られています。しかし、核融合をいかに制御するかが大きな問題であり、これまでのところ、核融合反応に関する応用研究は実験室でしか行うことができません。人工知能のおかげで、核融合はこれまで以上に実用化に近づいているようです。

スイス連邦工科大学ローザンヌ校（EPFL）の研究者らは、プラズマ物理学と制御方法に関する豊富な経験と、Googleの子会社DeepMindの人工知能研究および技術を組み合わせました。深層強化学習に基づくプラズマ構成の磁気制御の新しい方法が得られます。

この方法の詳細はネイチャー誌に掲載され、スイスプラズマセンター（SPC）研究施設の実際のプラズマシステムである可変構成トカマク（TCV）に適用されました。

トカマク（磁気閉じ込め核融合：現在最も有望な制御核融合方式と考えられている）は、強力な磁場を使用して太陽の中心核（数億度）よりも高い温度でプラズマを閉じ込めるドーナツ型の核融合研究装置です。太陽と同じように、極端な温度によって水素原子間の核融合が促進されます。 SPC のトカマクは可変プラズマ構成 (つまり、トカマク内のプラズマの形状と位置) を可能にし、これを利用して電気を生成する新しい方法を探求することができます。

過去には、このプロセス自体が不安定であり、いくつかの困難が生じました。これには、プラズマの形成を可能にする一連のコイルからプラズマが分離するのを防ぐ方法と、プラズマを所定の位置に維持する方法が含まれます。 TCV の 19 個の個別コイルは、個別の制御システム構成を介して継続的に調整する必要があります。コントローラーは、プラズマの特性をリアルタイムで推定するアルゴリズムを使用して、磁石への電圧を調整し、望ましい結果を実現します。これらのプラズマ制御システムは、プラズマがトカマクの外壁に到達して反応が停止し、装置自体が損傷するのを防ぐために非常に重要です。

幸いなことに、制御システムの構成は、トカマクで使用する前にシミュレートできます。しかし、それでも、制御システム内の各変数の正しい値を決定するには、長時間の計算が必要になります。ここで、DeepMind との共同研究プロジェクトが登場します。

DeepMind が開発し、SPC のシミュレーターでトレーニングされた AI アルゴリズムにより、これらのシミュレーションをモデル化するために必要な計算時間とエネルギーが大幅に削減され、プラズマを 1 つのコントローラーだけで操作できるようになります。コントローラーは単一のニューラル ネットワークであり、19 個のコイルすべてを同時に調整し、どの電圧が特定のプラズマ構成を生成するかを学習します。

このようなアルゴリズムをトレーニングするということは、さまざまな制御戦略をシミュレートし、データ、つまり「経験」を収集することを意味します。このアルゴリズムは、「望ましいプラズマ構成を生成する」ための制御戦略を作成できます。これには、アルゴリズムが複数の制御設定を実行し、結果として得られるプラズマ構成を分析することが含まれます。その後、正しい設定に基づいて特定のプラズマ構成を生成するようにアルゴリズムに要求することで、実際のトカマクで構成を調整できます。

シミュレーションには未来がある。 EPFL の発表によると、DeepMind の AI アルゴリズムは「容器内で 2 つの独立したプラズマを同時に維持するなど、複数のプラズマ形状と高度な構成を作成および維持することができました」。その後、このアルゴリズムは実際のトカマクで使用され、現実世界での応用がテストされましたが、その結果が検証されたのと同じくらい有望な結果でした。

最初のコラボレーションは、DeepMind のハッカソン (コンピューター技術の競争の一種) で始まり、そこで偶然、トカマク磁気コイル制御の問題が取り上げられました。 DeepMind は、核融合などの分野、特にトカマクのような現実世界のシステムで AI 技術をテストできる可能性にすぐに興味をそそられました。

この協力の成功は、人工知能が核融合科学の発展を加速させる可能性を実証しています。 DeepMind は、このアプローチは新しいトカマクとそのコントローラーの設計と拡張に使用できると指摘しています。また、強化学習 (RL) が他の産業および科学アプリケーションにおける複雑な機械の制御に使用できる「変革的技術」になると予測しています。

人類の核融合エネルギーへの動きに関しては、「バック・トゥ・ザ・フューチャー」のように誰もが使える「家庭用核融合エネルギー炉」はまだ実現していないかもしれないが、人工知能はこの目標を達成するための強力な助けとなるかもしれない。