核聚变与人工智能：通过机器学习实现稳定等离子体

用几百束激光将氢同位素混合物加热到华氏 1.5 亿度（摄氏 1 亿度）以上是一回事。

而保持所产生等离子体的稳定，则是一门至高无上的学问。毕竟，这种原子核和电子完全分离的超越 "气态 "的物质状态，根本不是地球上土生土长的东西。这就像试图用几个冰袋阻止冰块在篝火上融化一样。

如果使用得当，是可以成功的。只要没有那么多变数。一阵风吹来，火花四溅，拿着冰袋的手被烧伤，冰块融化--继续这个比喻。

目前地球上维持核聚变最佳条件的记录仅为 30 秒。等离子体本身即使不够热，也可以稳定一刻钟。

这听起来不像是永久稳定运行。而且，一旦等离子体的稳定遏制不再起作用，就必须尽快将其冷却下来，否则将对聚变反应堆的技术造成巨大损害。这每次都需要巨大的能量。

得益于深度强化学习（机器学习的一个子方面），我们开发并测试了一种方法，可以有效防止等离子体流的破坏。

来自普林斯顿大学和首尔中央大学的研究小组使用了一束额外的激光束和一个回旋加速器（即带有强磁场的紧凑型粒子加速器），使等离子体保持在理想的环境中。

然而，由于变量太多，无法实际计算这两种仪器如何进行干预以及效果如何，人工智能就发挥了作用。

通过这种方式，该系统能够防止DIII-D 的等离子体流中断。DIII-D 是美国最大的托卡马克核聚变反应堆。即使在不太理想的条件下，也能防止所谓的等离子体 "撕裂"。该电路由人工智能控制，两次测量之间的间隔仅为 25 毫秒，这似乎已经足够了。

除了图像生成和组装空洞的广告文本（但这并不是人工智能的错），人工智能还有一些明智且面向未来的应用。

不过，这项技术仍处于实验阶段，还需要进一步的测试和改进，才能最终应用于目前正在建设中的首个正能量平衡聚变反应堆--ITER。