AI가 핵융합 반응 불안정을 예측하고 방지할 수 있다

핵융합 개념이 거의 한 세기 전 이해된 이래로, 엔지니어부터 과학자까지 모두 이를 만들고 활용할 방법을 찾고 있습니다. 결국, 산업 규모에서 핵융합을 달성한다면, 상승하는 수요를 충족시킬 수 있는 저렴하고 안전하며 오염되지 않고 사실상 무한한 에너지를 제공할 수 있습니다.

핵융합이란 무엇일까요? 두 개 이상의 가벼운 원자핵이 결합해 하나의 다른, 더 무거운 원자핵을 형성하면서 막대한 에너지를 방출하는 과정입니다. 흥미롭게도, 핵융합 반응은 태양과 별들을 움직이며 지구상의 생명을 가능하게 합니다.

하지만 두 원자를 융합하는 것은 매우 어렵습니다. 서로를 밀어내는 전자기적 반발을 극복하려면 엄청난 압력과 에너지가 필요하기 때문입니다. 태양은 거대한 중력과 핵심부의 매우 높은 압력을 통해 이를 수행합니다.

현재 연구자들은 자체적인 핵융합 반응기를 만들기 위해 노력하고 있습니다. 이러한 핵융합 반응은 플라즈마, 즉 물질의 한 형태에서 일어납니다. 플라즈마는 자유 전자와 양이온으로 이루어진 뜨겁고 전하를 띤 가스로, 전류가 흐를 수 있게 합니다.

이 과정을 재현하기 위해 과학자들은 극도로 뜨거운 플라즈마와 초강력 자석을 사용합니다. 그러나 초고온이며 복잡하고 무질서한 플라즈마는 안정성을 빠르게 잃고 도넛 모양의 핵융합 반응기 내부를 둘러싼 강한 자기장 밖으로 탈출할 수 있으며, 이는 보통 반응이 종료된다는 신호가 됩니다. 이러한 도넛 모양 장치를 토카막이라고 합니다.

이는 핵융합을 깨끗하고 무한한 에너지 원으로 개발하는 데 중대한 도전 과제를 제시합니다. 그러나 프린스턴 대학교와 미국 에너지부의 프린스턴 플라즈마 물리 연구소(PPPL) 소속 데이터 과학자, 엔지니어, 물리학자 팀은 인공지능(AI)을 활용해 실시간으로 특정 플라즈마 문제의 발생을 예측함으로써 이를 회피하려 하고 있습니다.

미국 에너지부(DOE) 산하 일반 원자력(General Atomics)이 운영하는 샌디에이고의 DIII‑D 국가 핵융합 시설에서 연구원들은 실험을 진행하고 AI 모델을 시연했으며, 이 모델이 잠재적인 플라즈마 불안정을 예측할 수 있음을 보여주었습니다. 찢어짐 모드 불안정이라고 불리는 이러한 불안정은 AI가 최대 300밀리초 전까지 예측할 수 있습니다. 참고로, UCL 연구자에 따르면 인간은 평균 100–150밀리초 정도 깜빡입니다.

극히 짧은 시간임에도 불구하고, 이는 AI 컨트롤러가 플라즈마의 자기장 선 내에서 발생할 수 있는 찢어짐을 방지하기 위해 특정 운영 파라미터를 실시간으로 변경할 충분한 시간을 제공합니다.

AI 모델은 물리 기반 모델의 정보를 활용하는 대신 이전 실험 데이터로 학습되었습니다. 이렇게 함으로써 “AI가 실제 반응기에서 실시간으로 안정적이고 고출력 플라즈마 상태를 유지하도록 최종 제어 정책을 개발할 수 있었다”고 PPPL의 연구 책임자이자 안들링거 에너지·환경 센터 기계·항공공학 부교수인 에게멘 콜레멘(Egemen Kolemen)이 말했습니다.

현재 접근 방식과 달리, 이는 핵융합 반응을 보다 동적으로 제어할 수 있게 하며, AI를 활용해 다양한 플라즈마 불안정에 대한 해결책을 찾는 기반을 제공합니다. 이는 오랫동안 지속적인 핵융합 반응을 달성하는 데 큰 도전이었기 때문에 중요합니다.

인공지능(AI) 투자에 대해 모두 알아보려면 여기를 클릭하세요.

AI의 핵융합 연구에서의 활용 증가

Nature에 발표된 이 연구는 플라즈마에 찢어짐 불안정이 나타나기 전에 이를 예측하고 회피하는 데 초점을 맞추고 있습니다. 이는 이전 접근 방식과 차별화되는데, 한국 충남대학교(Chung‑Ang University) 물리학 조교수이자 연구 저자인 재민 서(Jaemin Seo)에 따르면, 기존 연구들은 보통 불안정이 발생한 뒤 그 영향을 완화하거나 억제하는 데 초점을 맞추었습니다. 

프린스턴 팀은 1억 도씨 이상의 플라즈마를 가두지 못해 플라즈마가 붕괴되는 원인 중 하나인 찢어짐 모드 불안정을 다루었습니다. 이는 태양 중심보다도 뜨거운 온도입니다. 서에 따르면:

“찢어짐 모드 불안정은 플라즈마 붕괴의 주요 원인 중 하나이며, 충분한 에너지를 생산하기 위해 높은 전력을 요구하는 핵융합 반응을 수행하려 할수록 더욱 두드러질 것이며, 이는 해결해야 할 큰 과제입니다.”

이러한 불안정이 형성된 뒤 몇 밀리초 만에 핵융합 반응을 방해할 수 있기 때문에, 연구자들은 새로운 데이터에 신속히 대응하고 처리할 수 있는 AI에 주목했습니다.

하지만 이것이 AI가 처음으로 핵융합 연구에 활용된 사례는 아닙니다. 실제로 머신러닝과 AI를 활용해 방대한 실험 데이터를 평가하려는 관심이 점점 커지고 있습니다. 

훈련 데이터를 평가한 뒤 AI는 패턴을 인식하고 원리를 도출합니다. 예를 들어, Wendelstein 7‑X는 스텔러레이터(stellarator)라는 외부 자석으로 플라즈마를 가두는 장치에서 플라즈마 평형 상태를 실시간으로 감지하는 작업을 수행합니다.

LLE의 수석 과학자 리카르도 베티(Riccardo Betti)와 물리·천문학과 및 기계공학과 교수 로버트 L. McCrory가 말했듯:

“우리는 이제 머신러닝을 활용해 방대한 실험 데이터를 체계적으로 보정하고 실험에 실시간으로 적용할 수 있는 능력을 갖추게 되었습니다.”

한편, 2021년 연구에서 포르투갈 리스본 대학교 Instituto Superior Técnico의 정보시스템 교수 디오고 페레이라(Diogo Ferreira)는 AI, ML, DL 모델을 핵융합 연구에 활용하는 세 가지 방법을 제시했습니다. 그의 모델 중 하나는 초고온 플라즈마의 붕괴를 예측하고, 두 번째는 플라즈마의 이상을 감지하며, 세 번째는 플라즈마 복사 패턴의 시각적 표현을 다룹니다.

현재 이 최신 연구는 DOE의 핵융합 에너지 과학 사무국과 한국연구재단(NRF)의 지원을 받아 머신러닝의 하위 분야인 심층 강화학습(RL)을 활용해 핵융합 플라즈마 찢어짐 불안정을 방지하는 데 초점을 맞추고 있습니다. DOE는 또한 MIT 플라즈마 과학·핵융합 센터에 자금을 지원해 핵융합 데이터 접근성을 향상시키고 있습니다.

성공적인 인공지능 컨트롤러를 구축하기 위해 프린스턴 팀은 과거 DIII‑D 토카막에서 수행된 테스트 데이터를 사용해야 했습니다. 이후 실시간 플라즈마 특성에 따라 다가오는 찢어짐 불안정 가능성을 예측할 수 있는 심층 신경망을 만들었습니다.

이 과정은 콜레멘 팀의 공동 저자이자 연구 학자 아자라크시 잘랄반드(Azarakhsh Jalalvand)가 “비행기를 조종하는 방법을 가르치는 것과 비슷하다”고 비유했습니다. “키만 건네주고 최선을 다하라고 하는 것이 아니라, 매우 정교한 비행 시뮬레이터에서 충분히 연습하도록 하는 것이죠.”

그 후 팀은 신경망에 강화학습(RL) 알고리즘을 적용했으며, 이 알고리즘은 다양한 플라즈마 제어 전략을 시도해 볼 수 있습니다. 알고리즘은 시뮬레이션 환경 내에서 시행착오를 통해 학습합니다.

복잡한 핵융합 물리 전부를 가르치는 대신, 팀은 강화학습 모델에 목표만 제시했습니다. 즉, 고출력 반응을 유지하고 피해야 할 대상(찢어짐 모드 불안정)과 이를 달성하기 위해 사용할 수 있는 조절 장치를 알려준 것입니다. 시간이 지나면서 모델은 불안정을 초래하는 벌칙을 피하면서 고출력 수준을 달성하는 최적 경로를 학습했습니다.

수많은 시뮬레이션 핵융합 실험을 진행하면서 팀은 일부 동작이 너무 급격해 조정이 필요함을 관찰하고 개선했습니다. 

“인간으로서 우리는 AI가 하고자 하는 일과 토카막이 수용할 수 있는 범위 사이를 중재합니다.” 

– 김상균, 연구 공동 저자 및 PPPL 연구 과학자

팀은 AI 컨트롤러가 충분히 신뢰할 수 있다고 판단된 뒤 실제 핵융합 실험에서 한 번만 테스트했습니다. AI 컨트롤러는 플라즈마 형태와 반응에 전력을 공급하는 빔의 강도를 조절하는 등 D‑III‑D 토카막의 특정 파라미터를 실시간으로 변경해 불안정 발생을 방지했습니다.

보편적 해결책

지난 주 Nature에 발표된 최신 연구는 기존의 “보다 수동적인” 불안정 예측 접근 방식과 달리, 능동적인 방식을 제시함으로써 이러한 반응을 보다 쉽게 수행할 수 있게 합니다. 김 연구원은 이렇게 말했습니다:

“우리는 더 이상 불안정이 발생하기를 기다렸다가 플라즈마가 붕괴되기 전에 신속히 교정 조치를 취할 필요가 없습니다.”

이 연구는 AI가 핵융합 반응을 효과적으로 제어할 수 있음을 보여주는 유망한 개념 증명입니다. 그러나 연구진은 콜레멘 팀이 이미 여러 차례 다음 단계에 착수해 핵융합 연구 분야를 진전시키고 있다고 언급했습니다. 

따라서 DIII‑D 토카막에서 AI 컨트롤러가 “상당히 잘” 작동한다는 “강력한 증거”가 존재하지만, 현재는 컨트롤러가 다양한 상황에서도 작동한다는 추가 증거를 확보하고, 이를 다른 토카막에도 적용할 수 있도록 확장하는 것이 목표입니다. 

하지만 이것이 전부는 아닙니다. 현재 AI 모델은 제한된 수의 진단 도구만을 사용해 특정 유형의 불안정만을 회피합니다. 따라서 연구진은 다른 유형의 불안정에 대한 데이터도 제공하고, AI 컨트롤러가 조정할 수 있는 노브(조절 장치)도 더 많이 제공하려 합니다. 즉, 여러 종류의 불안정을 동시에 여러 노브를 제어해 처리할 수 있도록 알고리즘을 확장하려는 목표입니다.

보다 효율적인 AI 컨트롤러를 만들기 위한 이 여정에서, 팀은 AI가 핵융합 반응과 물리학에 대한 명확성과 이해도를 높이고, 우리에게 더 많은 것을 가르쳐 주기를 기대하고 있습니다.

2023년이 AI의 돌파구가 된 해였던 이유를 알아보려면 여기를 클릭하세요.

AI 및 핵융합 반응 분야에서 활동하는 기업들

이제 이 분야의 주요 기업들을 살펴보겠습니다:

#1. Google 

이 거대 기술 기업은 AI 연구와 핵융합 에너지 모두에 손을 뻗고 있습니다. 몇 년 전, Google이 지원하는 DeepMind는 핵융합 반응기 내부에서 플라즈마를 제어하는 AI 시스템을 훈련시켰다고 발표했습니다. AI Lab은 강화학습(RL) 기반 AI 시스템을 만들어 자석을 제어하고 전압을 초당 수천 번 변경했습니다.

$1.75조 규모의 기업으로 현재 주가는 $140.38이며 연초 대비 3% 상승했습니다. Google은 최근 12개월 매출이 307.39억 달러이며, 주당순이익(EPS)은 5.80, 주가수익비율(P/E)은 24.17, 자기자본이익률(ROE)은 27.36%입니다.

#2. TAE Technologies

과거 Tri Alpha Energy로 알려졌던 캘리포니아 기반 기업으로, 핵융합 에너지 기술 개발에 집중하고 있습니다. TAE Technologies는 현재 핵융합 플랫폼인 Norman을 6세대 기계인 Copernicus로 업그레이드하고 있습니다. 순조롭게 진행된다면 2030년대 초에 최초 프로토타입 발전소를 구축해 전력망에 연결할 수 있을 것으로 기대하고 있으며, 이를 기반으로 “견고하고 신뢰할 수 있는” 상업용 전력을 개발하기 위한 확장은 이번 십 년 동안 지속될 것입니다. TAE의 CEO 미클 빈더바우어(Michl Binderbauer)는 핵융합이 우리를 “풍요의 패러다임”으로 이끌 것이라고 말했습니다.

2022년 Google과 Chevron (CVX ) 은 TAE Technologies의 2억 5천만 달러 자금 조달 라운드에 투자했습니다. Google은 이미 10년 넘게 TAE와 파트너십을 맺어 AI와 컴퓨팅 파워를 제공하고 있습니다. 

#3. ITER

국제 열핵 실험 반응기(International Thermonuclear Experimental Reactor)는 국제적인 핵융합 연구·공학 메가프로젝트로, 머신러닝과 AI를 활용해 핵융합 연구 및 개발을 진전시키고 있습니다.

“ITER와 같은 대형 과학 프로젝트는 AI에 최적화된 방대한 데이터를 제공하며, 이를 통해 우리는 다른 제조 분야에도 적용할 수 있는 학습·훈련·외삽 기술을 습득할 수 있는 독특한 기회를 얻습니다.” 

– 마리아 오르티스 데 주니가(Fusion for Energy 수석 기술 담당관)

결론

이 글 전반에서 언급했듯이 AI는 핵융합 여정의 다양한 측면을 변화시킬 잠재력을 가지고 있습니다. 그러나 최근 기술 발전은 이 산업이 오랫동안 직면해 온 도전을 극복할 수 있다는 기대를 높이고 있습니다. 인공지능의 연산 능력과 패턴 인식 능력을 활용함으로써 우리는 핵융합 발전을 가속화하고 궁극적으로 지속 가능한 에너지 미래를 현실로 만들 수 있습니다.