佛罗里达大学利用人工智能推进核聚变等离子体预测

核聚变研究致力于在地球上重现驱动太阳运行的能量过程。原子聚变需要超过1亿摄氏度的温度，一旦成功，将带来一种取之不尽、零碳排放的能源。

但首先，研究人员需要驯服这只猛兽——即托卡马克反应堆内磁场约束下的电离气体等离子体。凭借近期获得的美国联邦资助，佛罗里达大学的研究人员正致力于实现这一目标。

对于佛罗里达大学核工程项目的等离子体物理学家兼教授Christopher McDevitt博士而言，理解、预测并最终防止托卡马克内部等离子体的"异常行为"是全球研究人员在尝试利用原子聚变释放能量时面临的核心挑战。

近期有两个项目——一个由美国国家科学基金会（NSF）资助，另一个由美国能源部/国家核安全管理局（DOE/NNSA）资助——正在通过佛罗里达大学的超级计算机HiPerGator，利用前沿人工智能技术，在提升托卡马克内部等离子体可预测性方面取得进展。

在托卡马克反应堆内部，等离子体的极端高温和磁约束使燃料的原子核发生碰撞并聚变，释放出巨大的能量，这些能量以热量的形式被反应堆壁吸收。就像常规发电厂一样，核聚变发电厂也将利用这些热量产生蒸汽，然后通过涡轮机和发电机发电。

但如果反应堆内的等离子体变得不稳定，后果可能很严重。"在那些温度下，如果你突然失去对等离子体的控制，如果所有那些高温等离子体突然撞击反应堆壁的某个局部区域，可能会对材料和结构造成严重破坏，" McDevitt解释道。"更糟糕的情况是无意中产生高能电子。你可能不小心把你的核聚变装置变成粒子加速器。这很有趣的物理学现象，但对反应堆来说却是噩梦般的场景。"

研究人员不再通过试错来确定能产生最稳定等离子体的设计参数，而是转向机器学习来模拟反应堆内部的条件，在不损害反应堆本身的情况下预测等离子体异常。McDevitt的团队利用HiPerGator的强大功能开发这些复杂等离子体事件的机器学习替代模型。

最近升级后的超级计算机使得原本需要数天完成的模拟现在能够在几分钟内完成。如果能够准确预测并最终防止不稳定的等离子体——这一切都借助HiPerGator的帮助——核聚变驱动的清洁能源离现实可能又近了一步。