Google DeepMind宣布与CFS合作，有望将聚变能源带入现实

编辑丨coisini

众所周知，聚变能带来清洁丰沛的能源，且不会产生长效放射性废物。要在地球上实现聚变，就需要使电离气体（即等离子体）在超过 1 亿摄氏度的极端环境下，稳定存在于聚变装置的约束场中。

这个高度复杂的物理难题，Google DeepMind 尝试用人工智能攻克。

今天，Google DeepMind 宣布与全球聚变能源领军企业 Commonwealth Fusion Systems（CFS）达成研究合作，致力于将清洁安全的无限聚变能源带入现实。

图源：https://deepmind.google/discover/blog/bringing-ai-to-the-next-generation-of-fusion-energy/

研究合作

CFS 通过其紧凑型强场托卡马克装置 SPARC，正在开辟通往清洁安全、近乎无限的聚变能源的快速通道。

SPARC 采用高性能高温超导磁体，有望成为人类历史上首个实现聚变能量净增益的磁约束装置 —— 即产生的聚变能量超过维持反应所需输入能量。

此前，Google DeepMind 与瑞士洛桑联邦理工学院等离子体中心合作，证明了深度强化学习能够精准操控托卡马克磁体，稳定复杂形态的等离子体。为了涵盖更广泛的物理现象，Google DeepMind 开发了基于 JAX 框架打造的快速可微分等离子体模拟器 ——TORAX。

现在，Google DeepMind 将把这项开创性技术应用于 CFS，目前双方已在三个关键领域展开合作：

• 构建快速精准、可微分的聚变等离子体模拟系统；
• 探寻最大化聚变能量输出的高效稳健路径；
• 运用强化学习探索新型实时控制策略。

聚变等离子体模拟

为了优化托卡马克装置性能，研究团队需要模拟热量、电流和物质在等离子体核心区域的流动及其与周边系统的相互作用。

TORAX 已将研究范围从磁约束模拟拓展至更广泛的物理问题。由于 TORAX 基于 JAX 架构打造，因此可流畅运行于 CPU 和 GPU，并能无缝集成包括谷歌自有模型在内的人工智能系统，实现更卓越的性能。

在 SPARC 正式启动前，TORAX 将帮助 CFS 团队通过数百万次虚拟实验来测试完善运行方案。当首批实验数据出炉时，TORAX 还能助力团队快速调整策略。

TORAX 已成为 CFS 日常工作的核心工具，帮助研究人员理解等离子体在不同条件下的行为规律，为研究团队节约了大量时间与资源。

探寻能量最大化最优路径

托卡马克运行涉及磁线圈电流、燃料注入及加热功率等诸多参数的精细调节，人工寻找既满足运行约束又能最大化能量输出的最优配置方案效率低下。

通过将 TORAX 与强化学习及 AlphaEvolve 等进化搜索算法结合，AI 智能体可以在模拟环境中探索海量运行场景，快速锁定实现净能量增益的最优路径。这将帮助 CFS 聚焦最具潜力的策略，从首日运行起就提升成功概率 —— 甚至在 SPARC 全面投入全功率运行之前。

研究团队正在构建可研究多种 SPARC 场景的基础架构，既能在不同约束条件下寻求聚变功率最大化，也能随着对装置认知的深入不断优化系统的稳健性。

图示：SPARC 装置截面示意图。左图：红色区域为等离子体。右图：TORAX 模拟的等离子体脉冲示例，显示等离子体压力的动态变化。通过调整控制指令改变等离子体性能，从而产生不同的等离子体脉冲。

通过持续扩大聚变研究合作网络，研究团队将基于历史托卡马克数据和高精度模拟对 TORAX 进行验证与校准，进而在 SPARC 启动运行后快速适应实际工况。

开发实时控制的人工智能导引系统

Google DeepMind 之前的研究已证明强化学习可有效控制托卡马克的磁约束构型。研究团队现在正通过同步优化更多运行参数来提升系统复杂性，例如最大化聚变功率或管理 SPARC 热负荷，使装置能在更高性能区间安全运行，同时扩大安全运行边界。

全功率运行时，SPARC 释放的巨额热量将集中作用于微小区域，必须精确调控以保护最接近等离子体的固体材料。如下图所示，SPARC 可能采用的策略之一是通过磁控方式使排出能量沿器壁进行扫描式分布。

在合作初期阶段，研究团队重点研究强化学习智能体如何动态控制等离子体以实现热量的有效分布。未来，人工智能有望制定出超越人工设计的自适应策略。

除研究工作外，谷歌还对 CFS 进行了投资，支持其在关键科技与工程领域的突破性探索。

谷歌希望汇聚人工智能与聚变技术的革命性潜力，为人类建设更清洁、更可持续的能源未来奠定基石。

参考内容：https://deepmind.google/discover/blog/bringing-ai-to-the-next-generation-of-fusion-energy/