Google机器学习算法 帮助加速核聚变发电研究

上个月两位瑞典查尔姆斯理工大学的年轻等离子体物理学家成功用模型引出更好的减速逃逸电子的方法。而近日Google与全球最大私营核聚变公司Tri Alpha Energy经过多年合作后获得了第一批成果。这两家公司从2014年开始合作,希望Google的机器学习算法可以推进等离子体研究,使其更接近核聚变发电的梦想。

fusion-plasma-google-4.jpg

Tri Alpha Energy公司面临的挑战是,其等离子体研究的巨大实验复杂性涉及到许多变数,因此迫切需要一些高级计算网络来帮助处理数据。但事实证明,Google也没有计算资源来解决这个问题。

Google加速科学团队的Ted Baltz解释道:“现实情况要复杂得多,因为离子温度是电子温度的三倍,所以等离子体不能达到热平衡,而液体也几乎是无效的,所以你必须追踪至少一些的的万亿+单个粒子,整个事情是超出了我们计算机资源能做的范围。”

随后团队开发了一个独特的解决方案,被称为融合人与机的“验光师算法”(Optometrist Algorithm)。该算法向人类专家提供了连续的可能结果,并且让专家们使用他们的判断来选择以进行后续实验。

fusion-plasma-google-3.jpg

“所以我们把这个问题解决了,让一个专业的人类等离子体物理学家找到认为有趣的等离子体行为,而且当我们这样做时不会破坏机器,”Baltz说。

将这种技术纳入Tri Alpha Energy的实验过程使这项研究取得快速进展。 《科学报告》杂志上发表的一项新研究显示,该技术意外地使团队的能量损失率降低了50%,并且Tri Alpha Energy的场反转配置(FRC)等离子体发生器中离子温度和总的等离子体能量的同时增加。

Tri Alpha Energy总裁兼首席技术官Michl Binderbauer表示:“如果没有先进计算的力量来快速扩展我们对等离子体复杂性能的理解,这样的问题可能需要数年时间才能解决。”

fusion-plasma-google-1.jpg

Google和TAE将继续就这款新型等离子发生器进行实验合作,Binderbauer认为他们在十年内可以实现核聚变发电。