DeepMind破解磁約束難題 有望加速核聚變商用

DeepMind團隊成功利用深度加強學習的演算法應用在托卡馬克裝置的磁約束上，成為了核聚變研究的最大突破。

新科技速遞

去年底，全球的核聚變出現多次的突破，其中英國牛津郡「歐洲聯合環狀反應爐」（Joint European Torus，JET）實驗室公佈，去年12月以核融合產生59百萬焦耳（MJ）能量並持續5秒，打破1997年創下的紀錄。

JET利用托卡馬克（Tokamak）發電，中國位於中國安徽省合肥市西郊的托卡馬克核聚變實驗裝置EAST（Experimental Advanced Superconducting Tokamak ），去年底亦創下1056秒長脈衝高參數等離子體運行。EAST只是實驗裝置，並非發電設置，只證明托卡馬克可控制聚變。

不少科學家估計，2040年之前核聚變不可能產生任何能源。

可控核聚變困難重重

但是，美國和日本相繼不少核聚變項目登場，部分加入人工智能（AI）和嶄新設計，日本京都大學初創Kyoto Fusioneering（KF）已定於2025年建設核融合反應爐。

Googles母公司Alphabet旗下人工智能企業DeepMind，在《Nature》期刊發表了論文，DeepMind與位於瑞士埃居布朗市（Ecublens）的「瑞士等離子中心」合作，以AI深度加強學習，開發了演算法，可改善托卡馬克裝置控制核聚變的磁約束（Magnetic control）功能。

氫原子高溫下互撞，可產生出比太陽表面還要熱的等離子體，人類很早掌握核聚變的原理，數十年來核聚變也被公認為是最有潛力的綠色能源，卻始終可望不可即；各項可控核聚變工程選項，以前蘇聯科學家所發明的托卡馬克裝置，透過磁約束去控制核聚變為研究主流。

Google投資核聚變

Google一直投資在核聚變，數年前夥拍美國初創Tri Alpha Energy（TAE）Technologies以AI開發，試圖以氫和氘燃料達到同樣效果，以機器學習優化核融合模型，取代托卡馬克裝置。Google也投資另一家核聚變初創Commonwealth Fusion Systems籌建核聚變反應堆。

美國及歐洲也開發激光核聚變技術，但托卡馬克仍公認具有潛力，而所有已知核聚變反應，以氫同位素「氘和氚」，產生的聚變相對容易實現，而高溫下氫原子核融合可釋放大量能量，加壓後極高溫的等離子體，則以超導磁場來約束；原因是等離子體太熱，任何材料都無法容納，等離子體須處懸浮狀態，通過磁場並固定於托卡馬克裝置內部；核聚變反應熱量產生蒸汽，推動渦輪機組發電。

DeepMind開發AI人工智能深度學習，有助控制托卡馬克內部的磁場，控制等離子體形態，既可產生更高的能量；高溫又不致破壞托卡馬克裝置。

AI預測挑戰極限

參與研究瑞士等離子體中心科學家Ambrogio Fasoli說：「AI人工智能可讓科學家敢於嘗試，以往不願採用的技術路線，減低失敗風險，更快推動研究發展。」

以往科學家不敢過於進取，貿然去改變磁場，等離子體形態以過於接近裝置，破壞了裝置結構，摸索托卡馬克磁場設計和等離子體形態，有如摸石頭過河。

DeepMind深度學習則可讓科學家，大膽嘗試以往從未想像過的等離子體形態，發電性能可推向接近系統極限，等離子體又不至於損壞系統，如果沒有AI人工智能的預測，科學家不敢承擔試驗風險後果，後果可能得不償失。

研究蛋白質折疊是困擾生物科學研究超過了50年的難題，一下子被DeepMind攻破。(網上圖片)

DeepMind再創突破

較早前，DeepMind亦曾以驚人的凖確度，開發預測蛋白質折疊（Protein folding）的演算法，改寫生命科學研究和新藥發現，而DeepMind以深度學習應用於預測磁約束，亦有異曲同工之處。

DeepMind公佈算法之後，全球相繼出現預測蛋白質折疊AI模型。研究蛋白質折疊是困擾生物科學研究超過了50年的難題，一下子被DeepMind攻破；DeepMind破解托卡馬克磁約束設計，可能令核聚變加速商用化，影響更大。

為了達到能源自主，中國是投資托卡馬克裝置最積極國家，而有「人造太陽」之稱的EAST早於1998年就立項興建，投資數以十億計，去年EAST創下運行1056秒紀錄後，托卡馬克發電可行性已獲確定，而多國籌建開發核聚變，位於法國南部「國際熱核聚變實驗堆」（ITER），亦是以托卡馬克設計，中國佔9%投資額，預計2025年開始等離子體實驗。

中國也以AI作研究發展重點，以求靠AI在科研上作跳躍式發展，AI如果可應用在核聚變，國內肯定大舉投入，加快核聚變商業化。

不過，瑞士等離子體中心的托卡馬克規模極小，最多只能持續2秒運行，同樣原理能否應用在EAST或者ITER等大型裝置上，仍未能確定。不過如果DeepMind算法成功鎮，全球能源格局將一夜之間再一次改變。