AIは核融合反応の不安定性を予測し防止できる

核融合の概念が約1世紀前に理解されて以来、エンジニアから科学者まで、誰もがそれを創り出し活用する方法を探し続けてきました。結局のところ、産業規模で核融合を実現すれば、手頃で安全、汚染のない、そして事実上無限に近いエネルギーを提供し、増大する需要に応えることができるでしょう。

核融合とは何か？それは、二つ以上の軽い原子核が結合して単一の、異なる、より重い原子核を形成し、莫大なエネルギーを放出するプロセスです。興味深いことに、融合反応は太陽や星々にエネルギーを供給しており、地球上の生命を可能にしています。

しかし、二つの原子を融合させるのはかなり困難で、相互の反発を克服するために膨大な圧力とエネルギーが必要です。太陽はその巨大な重力と核の中心部での非常に高い圧力によってこれを実現しています。

現在、研究者は独自の核融合炉の構築に挑んでいます。これらの融合反応はプラズマという物質状態で起こります。プラズマは、自由な負の電子と正のイオンからなる高温の帯電ガスで、電流が流れることを可能にします。

このプロセスを再現するために、科学者は極めて高温のプラズマと超強力な磁石を使用します。しかし、過熱された非常に複雑で乱れたプラズマは安定性を急速に失い、ドーナツ形の融合炉内でプラズマを閉じ込める強力な磁場から抜け出してしまい、通常は反応の終了を示します。これらのドーナツ形装置はトカマクと呼ばれます。

もちろん、これはクリーンで無限のエネルギー源として核融合を開発する上で重大な課題となります。しかし、プリンストン大学と米国エネルギー省のプリンストンプラズマ物理研究所（PPPL）のデータサイエンティスト、エンジニア、物理学者チームは、人工知能（AI）を活用して特定のプラズマ問題の発生をリアルタイムで予測し、回避しようとしています。

サンディエゴのDIII-D国立融合施設（米エネルギー省（DOE）のためにジェネラル・アトミクスが運営するOffice of Science）で、研究者は実験を行い、潜在的なプラズマ不安定性を予測できることが示されたAIモデルを実証しました。テアリングモード不安定性と呼ばれるこれらの不安定性は、AIによって最大300ミリ秒前もって予測できます。参考までに、UCLの研究者によれば、人間の瞬きは平均100〜150ミリ秒です。

極めて短い時間ではありますが、AIコントローラが特定の操作パラメータを変更し、プラズマの磁場線内でのテアリングを防止し、平衡を乱すことや反応の終了を防ぐのに十分な時間が確保されます。

AIモデルは、物理ベースのモデルからの情報を利用するのではなく、過去の試験データで訓練されました。この方法により、「AIは実際の炉でリアルタイムに安定した高出力プラズマ領域を支える最終的な制御方針を開発できる」と、PPPLのスタッフ研究物理学者であり、エネルギー・環境アンドリンガーセンターの機械・航空宇宙工学准教授でもあるエゲメン・コレメン研究リーダーは述べています。

現在のアプローチとは異なり、これにより核融合反応のより動的な制御が可能になり、AIを活用して広範なプラズマ不安定性の解決策を見つける基盤も提供します。これは、長年にわたり一定の核融合反応を実現する上で課題となってきたため、極めて重要です。

人工知能（AI）への投資についてすべて学ぶにはここをクリックしてください。

核融合研究におけるAIの利用拡大

Natureに掲載された本研究は、プラズマに現れる前にテアリング不安定性を予測し回避することに焦点を当てています。これは、韓国・中央大学の物理学助教授で本研究の著者であるジャエミン・ソウによれば、従来のアプローチが通常は不安定性が発生した後にその影響を緩和または抑制することに取り組んできた点と異なります。

プリンストンチームは、磁場線が1億度を超えるプラズマを封じ込められず、プラズマの乱れを引き起こすテアリングモード不安定性に取り組みました。これは太陽の中心よりも高温です。ソウによれば：

テアリングモード不安定性はプラズマ乱れの主要な原因の一つであり、十分なエネルギーを生み出すために必要な高出力で核融合反応を実行しようとすればするほど、さらに顕著になり、解決すべき大きな課題を提示します。

この種の不安定性はミリ秒単位で形成され、核融合反応を阻害する可能性があるため、研究者は新しいデータに迅速に処理・対応できるAIに注目しています。

しかし、これが核融合研究でAIが活用された初めてというわけではありません。実際、これらの実験で生成される膨大なデータを評価するために、機械学習とAIへの関心が高まっています。

トレーニングデータを評価すると、AIはパターンを認識し、そこから原理を導き出します。例えば、Wendelstein 7-Xは、外部磁石でプラズマを閉じ込めるステラレータにおいて、プラズマ平衡状態のリアルタイム検出に取り組んでいます。

LLEのチーフサイエンティストであるリカード・ベッティ氏と、物理学・天文学部門および機械工学部門の教授であるロバート・L・マックロリー氏は次のように述べています。

現在、機械学習を活用してシミュレーションを体系的に修正し、実験へのリアルタイム調整を導くことができる豊富な実験データがあります。

一方、2021年の研究で、ポルトガル・リスボン大学インスティトゥート・スーペリオール・テクニコの情報システム教授であるディオゴ・フェレイラは、核融合研究におけるAI、ML、DLモデルの3つの異なる活用法を詳述しました。彼のモデルの一つは超高温プラズマの乱れを予測し、二つ目はプラズマの異常を検出し、三つ目はプラズマ放射パターンの視覚的表現に関するものです。

現在、この最新の研究はDOEの融合エネルギー科学局と韓国国立研究財団の支援を受けており、機械学習（ML）のサブフィールドである深層強化学習（RL）を活用して核融合プラズマのテアリング不安定性の防止に取り組んでいます。DOEはまた、MITプラズマ科学融合センターへの資金提供を行い、融合データへのアクセス向上を支援しています。

成功する人工知能コントローラを構築するために、プリンストンチームは過去にDIII-Dトカマクで実施されたテストデータを使用する必要があります。その後、プラズマの特性に応じてリアルタイムで今後のテアリング不安定性の可能性を予測できる深層ニューラルネットワークが作成されました。

このことは、研究の共同著者でコレメン研究グループの研究者であるアザラフ・ジャラルヴァンドによれば、飛行機の操縦方法を教えるようなもので、単に「鍵を渡して最善を尽くすように言う」のではなく、「非常に高度なフライトシミュレータで練習させ、実機に挑むだけの十分な知識が身につくまで訓練する」ことに例えられます。

チームはそのニューラルネットワーク上で強化学習（RL）アルゴリズムを訓練し、プラズマ制御のさまざまな戦略を試すことができるようにしました。このアルゴリズムは、シミュレートされた環境の安全性の中で試行錯誤を通じて学習します。

融合反応の複雑な物理全てを教える代わりに、チームは強化学習モデルに目標だけを伝えました。それは高出力の反応を維持し、回避すべきもの、すなわちテアリングモード不安定性とそれを達成するために使用できる制御ノブを示すことです。その後、時間とともにモデルは不安定性の罰則を回避しながら高出力レベルを達成する最適な経路を学習します。

モデルが無数のシミュレートされた核融合実験を実行する中で、チームは一部の変化が速すぎることに気付き、行動を観察・洗練させました。

人間として、私たちはAIがやりたいこととトカマクが受け入れられることの間で仲介します。

– サンキュン・キム、研究共同著者兼PPPLスタッフ研究科学者

チームはAIコントローラの能力に自信が持てた時点で、実際の核融合実験中にのみテストしました。その後、AIコントローラはプラズマ形状や反応にエネルギーを供給するビームの強度など、D-III Dトカマクの特定パラメータをリアルタイムで変更し、不安定性の発生を回避しました。

普遍的な解決策

先週Natureに掲載されたこの最新研究は、事前に不安定性を予測する「より受動的」な現在のアプローチとは対照的に、能動的な手法を提示しており、これにより反応の実行が容易になります。キムは次のように述べました。

もはや不安定性が発生するのを待ち、プラズマが乱れる前に迅速な是正措置を取る必要はありません。

この研究は、AIが核融合反応を効果的に制御できることを示す有望な概念実証です。しかし、研究者はコレメンのグループがすでに核融合研究分野を前進させるためのいくつかの次のステップに取り組んでいることを指摘しました。

したがって、AIコントローラがDIII-Dトカマクで「かなりうまく」機能するという「強い証拠」がある一方で、現在の焦点は、コントローラが実際に機能しているさらなる証拠を得て、さまざまな状況でも機能するデータを蓄積し、他のトカマクでも機能するように拡張することです。

しかし、これだけではありません。現在のAIモデルは、限られた数の診断手段しか使用しておらず、特定の不安定性のみを回避できます。そのため、研究者は他の種類の不安定性に関するデータを提供し、AIコントローラが調整できるノブを増やすことを目指しています。つまり、チームは多数のノブを同時に制御することで、複数の不安定性に対応できるアルゴリズムの拡張を目指しています。

より効率的なAIコントローラを創出する道のりにおいて、チームはAIが核融合反応と物理学に対する理解と明瞭さを高め、私たちにさらに多くを教えてくれることを期待しています。

2023年がAIのブレイクアウト年であった理由を知るにはここをクリックしてください。

AIと核融合反応の分野で活動する企業

では、業界の主要企業をいくつか見てみましょう：

#1. Google 

このテックジャイアントはあらゆる分野に手を伸ばしており、AI研究と融合エネルギーも例外ではありません。数年前、Google支援のDeepMindは プラズマ制御のためのAIシステムを訓練した 核融合炉内で。AIラボは磁石を制御し、電圧を毎秒何千回も変えるRL AIシステムを作成しました。

時価総額1.75兆ドルの同社の株価は140.38ドルで、年初来3%上昇しています。Googleは売上高（TTM）307.39億ドル、EPS（TTM）5.80、P/E（TTM）24.17、ROE（TTM）27.36%を報告しました。

#2. TAE Technologies

かつてTri Alpha Energyとして知られていたカリフォルニア拠点の同社は、核融合エネルギー技術の開発に注力しています。TAE Technologiesは現在、融合プラットフォーム「Norman」を第6世代機「Copernicus」にアップグレード中です。すべて順調に進めば、2030年代初頭に電網に接続できる最初のプロトタイプ発電所を建設することを目指しており、これを拡大して「堅牢で信頼性の高い」商用電力を開発する計画は今後10年にわたって継続されます。CEOのミヒル・ビンダーバウアーによれば、核融合は私たちを「豊富さのパラダイム」へと導くでしょう。

2022年、GoogleとシェブロンはTAE Technologiesへの資金調達で2億5,000万ドルの一部を投資しました。Googleは実際に10年間TAEと提携しており、同社にAIと計算能力を提供しています。

#3. ITER

国際熱核実験炉（ITER）は、国際的な核融合研究・工学メガプロジェクトであり、機械学習（ML）とAIを活用して融合研究と開発を進めています。

ITERのようなビッグサイエンスプロジェクトは、AIにとって理想的な豊富なデータを提供します。これにより、学習、訓練、外挿、そしてこれらのスキルを他の製造分野に応用する唯一無二の機会が得られます。

– マリア・オルティス・デ・スニャガ、Fusion for Energyのシニアテクニカルオフィサー

結論

本稿で述べたように、AIは核融合のさまざまな側面を変革する可能性を秘めています。しかし、最近の技術進歩により、この産業が長年直面してきた課題を克服できる期待が高まっています。人工知能の計算能力とパターン認識能力を活用すれば、核融合エネルギーの開発を加速し、持続可能なエネルギー未来を現実のものにできるでしょう。