【导读】Google DeepMind 宣布与全球聚变能源领军企业 CFS 展开合作北京股票配资网，共同利用 AI 加速「人造太阳」SPARC 装置的研发。这标志着 AI 正式进入核聚变科研核心阶段，推动人类迈向清洁、可持续的未来能源时代。
刚刚，Google DeepMind 官宣与全球商业聚变能源公司巨头 CFS 合作，共同利用 AI 加速核聚变能源的开发。
诺奖得主、Google DeepMind 联合创始人兼 CEO Demis Hassabis 在 X 平台激动表示，与 CFS 的合作将加速核聚变发展，推动人类迈向可持续的未来，拥有无限清洁能源。
Google DeepMind 的 AI 与 CFS 的尖端硬件相结合，将带来核聚变研发领域的加速发展。
CFS 正在研发其旗舰项目 SPARC 装置，这是一个旨在产生净能量的核聚变机器
强强联手，跨越聚变的「能量收支平衡点」聚变反应（Fusion）是太阳的能量来源，它能够提供清洁、充足的能源，而不会产生长期存在的放射性废料。
CFS 是全球聚变能源领域的领军企业，正通过其强大的托卡马克（Tokamak）装置 SPARC（聚变实验装置），利用高温超导磁体（High-Temperature Superconducting Magnets）实现受控核聚变。
这一过程也被称为「人造太阳」，因为它模仿了太阳内部的能量产生机制。
CFS 的目标是成为历史上首个实现净聚变能量输出（net fusion energy）的磁约束聚变装置——即聚变产生的能量超过维持聚变所需的能量。
这标志着向可行聚变能源迈出里程碑式的一步。
挑战在于为了优化托卡马克装置的性能，需要模拟热量、电流和物质在等离子体核心中的流动，以及它们与周围系统的相互作用，同时还要控制在聚变装置的安全范围内。
这是一道既要又要还要的极其复杂的物理难题，这时就需要借助 TORAX 的力量了。
TORAX 是由 Google DeepMind 开发并开源的等离子体模拟器，通过强化学习技术，它可以帮助 CFS 运行数百万次虚拟实验，以测试其托卡马克装置 SPARC 的各类方案。
双方还将共同研究把 AI 智能体训练成专业「驾驶员」，探索实时控制等离子体的新方法，使其在安全运行范围内承受极端高温并实现能量产出最大化。
此次与 CFS 的合作，正是建立在 Google DeepMind 此前利用 AI 成功控制等离子体的突破性研究基础之上。
Google DeepMind 与瑞士洛桑联邦理工学院（EPFL）旗下的瑞士等离子体中心（Swiss Plasma Center）曾有过一项合作，证明了深度强化学习可以控制托卡马克磁体，以稳定复杂的等离子体形态。
为了将这项研究成果推向更广泛的物理情景，Google DeepMind 开发了 TORAX，这是一个使用 JAX 编写的等离子体模拟器。
TORAX 正是这次帮助 CFS 攻克「能量收支平衡点」的 AI 利器，目前双方主要在三个关键方向展开合作：
构建快速、精准、可微分的聚变等离子体模拟系统；寻找最大化聚变能量输出的高效且稳健路径；运用强化学习探索创新的实时控制策略。
TORAX 能够在 CPU 与 GPU 上灵活运行，并可无缝集成 AI 驱动的模型（包括 Google DeepMind 的自研模型），以实现更高性能。
TORAX 目前已成为 CFS 日常研究的重要工具，能够帮助 CFS 团队在 SPARC 启动之前就能通过数百万次虚拟实验测试并优化运行方案，帮助他们深入理解等离子体在不同条件下的行为，从而节省宝贵的时间和资源。
CFS 物理运行高级经理 Devon Battaglia 表示，TORAX 帮助他们在搭建与运行 SPARC 模拟环境时节省了许多工时。
通过强化学习，识别输出最高能量的最快路径
托卡马克的运行涉及多种参数调节，如磁线圈电流、燃料注入、加热功率等。
传统方式需要手动寻找在安全范围内实现最大能量输出的最佳组合，既复杂又低效。
通过将 TORAX 与强化学习或 AlphaEvolve 等优化方法结合，AI Agent 可以在模拟环境中探索海量潜在的运行场景，快速识别出最高效、最稳健的能量生成方案。
由此，CFS 团队得以聚焦于最具潜力的策略，从项目初期就提高成功率，即使在 SPARC 尚未全面运行前也可以做到这一点。
目前，Google DeepMind 已经搭建起用于研究不同 SPARC 场景的基础设施，可以在不同约束条件下最大化聚变功率，或在了解装置特性后进一步优化稳健性。
左图为 SPARC 的横截面，显示洋红色等离子体；中图为 TORAX 模拟的等离子体压力变化；右图展示了不同控制参数对等离子体性能的影响，产生不同的脉冲形态。
上图展示了一个标准 SPARC 等离子体脉冲在 TORAX 中的模拟，该系统可以评估大量不同的脉冲实验，找到预期性能最优的设置。
Google DeepMind 通过不断扩展的聚变科研合作网络，能够基于历史托卡马克数据和高保真模拟验证与校准 TORAX，从而增强模拟的可信度，并在 SPARC 启动后快速调整控制策略。
在早期研究中，Google DeepMind 已经证明强化学习可以控制托卡马克的磁场配置。
现在他们正在研究如何进一步提升复杂性，增加多目标优化——例如在最大化聚变功率的同时，管理 SPARC 的热负载，使其在更高性能下安全运行。
当 SPARC 以满功率运行时，巨大的热量会集中在很小的区域，必须精确管理以保护靠近等离子体的固体材料。
一种可行策略是通过磁场将废热沿壁面周期性「扫动」，如下所示。
左图：SPARC 内部的等离子体接触材料位置；右图：三维动画展示能量沉积率随等离子体配置变化而改变的过程，非真实脉冲数据。
Google DeepMind 表示，在合作的初始阶段，双方正在探索强化学习智能体如何学习动态调控等离子体，以高效分配热负载。
未来，AI 有望学会比工程师手动设计更复杂的自适应控制策略，特别是在需要平衡多重约束与目标的情况下。
此外，还可以利用强化学习为特定脉冲快速调优传统控制算法。通过将脉冲优化与最优控制相结合，SPARC 有望更快实现其历史性目标。
除了科研上合作之外，Google 还投资了 CFS，以支持 CFS 在科学研究与工程应用上的突破，并推动聚变能源技术的商业化落地。
这场由 Google DeepMind 与 CFS 携手展开的合作，不仅象征着人工智能首次深度介入人类最复杂的能源工程之一，也预示着科研范式的根本转变。
当深度学习的计算能力与聚变科学相遇北京股票配资网，科研与创新的速度将再次被重新定义。
大盛配资提示：文章来自网络，不代表本站观点。
推荐资讯