DeepMind is het onderzoekscentrum van de Amerikaanse techreus Alphabet (het moederbedrijf van Google) voor artificiële intelligentie. Eén van de dingen waar DeepMind zich mee bezig houdt, is de inzet van geavanceerde algoritmen voor kernfusietechnologie.
DeepMind heeft recent een project gedaan met het Swiss Plasma Center aan de École Polytechnique Fédérale de Lausanne, een onderzoekslaboratorium voor kernfusie. Dit draaide om het probleem van het controleren van materie waarvan de temperatuur honderden miljoenen graden Celsius bereikt, heter dan de kern van de zon.
De bevindingen van het onderzoek zijn onlangs gepubliceerd in het tijdschrift Nature. Ze kunnen helpen bij het ontwerpen van de experimentele kernfusiereactoren die worden gebruikt om fusie-energie te produceren.
Kernfusie wordt gezien als de ‘heilige graal’ voor schone energievoorziening, maar blijft lastig te realiseren. Huidige kerncentrales maken gebruik van van een ander proces om energie op de wekken: kernsplitsing.
Bij kernsplitsing worden atomen gesplitst, terwijl bij kernfusie twee atomen op elkaar botsen en één zwaarder atoom vormen, waarbij veel energie vrijkomt.
Kernfusie is veelbelovend, omdat het in theorie veel meer energie produceert dan kernsplitsing en minder nucleair afval achterlaat.
DeepMind: inzet van kunstmatige intelligentie voor kernfusieonderzoek
Voordat we ingaan op wat DeepMind feitelijk heeft gedaan, is het misschien nuttig om vertrouwd te raken met de experimentele machines die worden ontwikkeld om energie uit kernfusie te produceren, de zogenaamde tokamaks.
Kernfusie vindt van nature plaats in de kern van de zon en andere sterren. Het is de manier waarop de zon haar energie opwekt. Een tokamak is een grote, donutvormige vacuümkamer die in onderzoekslaboratoria wordt gebruikt om die extreme omstandigheden op aarde na te bootsen.
Een tokamak bestaat uit metalen spoelen en enorme magneet die samen magnetische velden opwekken, die op hun beurt een superheet plasma creëren en opsluiten. Het plasma wordt verhit tot extreem hoge temperaturen - tussen 150 en 300 miljoen graden Celsius - waardoor waterstofatomen beginnen rond te stuiteren, met elkaar in botsing komen en energie opwekken.
De tokamak van het Swiss Plasma Center is een "variabele configuratie tokamak" (TCV), wat in wezen betekent dat onderzoekers kunnen kijken naar het effect van plasma dat verschillende vormen aanneemt.
Een van de belangrijkste uitdagingen is het opsluiten en het onder controle houden van het plasma. Dit is zo moeilijk dat wetenschappers nog niet meer energie uit kernfusie hebben kunnen halen dan er wordt verbruikt bij het laten ontstaan van kernfusieprocessen. Netto levert kernfusie dus nog nauwelijks energie op.
Recente experimenten in het Britse JET-laboratorium leverden in vijf seconden 59 joule energie op, genoeg om ongeveer 60 waterkokers aan de kook te brengen, en werden geprezen als een enorme doorbraak.
De spanning die door de magnetische spoelen van de tokamak loopt, moet duizenden malen per seconde worden aangepast om warmteverlies of beschadiging van de wanden van de tokamak te voorkomen.
Momenteel testen onderzoekers hun plasmaconfiguraties in een simulator alvorens ze deze in de tokamak uitproberen, iets wat "langdurige berekeningen" vergt, aldus co-auteur Federico Felici van het Zwitserse Federale Instituut voor Technologie.
DeepMind heeft met succes een algoritme getraind op de simulator van het Swiss Plasma Center om zelf hypotheses op te stellen over hoe de magnetische spoelen het beste kunnen worden aangestuurd, door gebruik te maken van "reinforcement learning". Hierbij worden algoritmen "beloond" voor het bereiken van sterke resultaten.
DeepMind en het Zwitserse Plasmacentrum ontwikkelden een architectuur die het plasma kan onderhouden, het in verschillende vormen kan modelleren en zelfs afzonderlijke plasma's tegelijk kan onderhouden.
Het algoritme van het team werd vervolgens toegepast op de echte tokamak van het Swiss Plasma Center, die al tientallen jaren wordt gebruikt voor het bestuderen van kernfusiereacties. De oplossing op basis van artificial intelligence bleek net zo goed in staat om het magnetische veld te manipuleren - over een periode van ongeveer twee seconden - als in de simulator het geval was geweest.
"Ik herinner me dat er in de controlekamer heel wat opwinding was op het moment dat dit werkte", zei Felici van het Swiss Plasma Center in een persbriefing. "Ik was niet bijzonder nerveus, omdat de TCV een echt op onderzoek gerichte tokamak is, dus we waren niet bang dat er iets mis zou gaan op welke manier dan ook … Zelfs als het neurale netwerk een fout zou maken, zou er niets echt ergs gebeuren."
Wetenschappers zeggen dat dit een veelbelovende stap is voor de toekomst van kernfusie
Fusie-experts stellen dat het onderzoek zou kunnen helpen bij het ontwerp van tokamaks en hun controlesystemen.
Egemen Kolemen, universitair hoofddocent werktuigbouwkunde aan Princeton University, zei dat de betrokkenheid van DeepMind een "ongelooflijk complex proces beter beheersbaar" had gemaakt.
"Deze indrukwekkende demonstratie van magnetische besturing op basis van reinforcement-learning, die met succes in een echte reactor wordt toegepast, is een stap vooruit en toont aan dat deze benaderingen in de toekomst een belangrijke rol zullen spelen in fusiereactoren", zei hij.
"Dit werk is een belangrijke stap in het begrijpen van hoe we nieuwe tokamaks kunnen ontwerpen waarin artificial intelligence is geïntegreerd. In de toekomst verwachten we steeds meer ontwikkeling te zien in het gebruik van reinforcement learning in het veld", aldus Ambrogio Fasoli, directeur van het Swiss Plasma Center.
Mede-oprichter en CEO Demis Hassabis Deepmind zei: "Kernfusie is een van de meest interessante potentiële bronnen voor onbeperkte groene energie. Ik ben bijzonder trots op het werk van het team om de grenzen te verleggen van wat er mogelijk is op dit gebied."