AIGC未来 | DeepMind用 AI 让人类离「人造太阳」又近一步！
【导读】人工智能（AI）在不同领域展示了令人瞩目的成就，从击败人类玩家的AlphaGo到预测蛋白质折叠，DeepMind作为一家领先的AI研究公司，一直在推动AI算法在各个领域的应用。
去年，DeepMind与瑞士洛桑联邦理工学院(EPFL)展开合作，利用强化学习(RL)的方法成功控制了核聚变反应堆内过热的等离子体，这一突破性的研究成果让人工智能迈向了实现可控核聚变的目标。
RL在等离子体磁控制领域显示出了良好的效果，然而与传统的磁约束反馈控制方法相比，仍然存在着一些显著的缺点。
时隔一年，DeepMind和EPFL的研究团队在这一领域再次取得了突破性的进展，成功解决了RL方法的主要缺点。他们对代理架构和训练过程的算法进行了改进。
通过改进的算法，研究人员成功提高了模拟中等离子体形状的精度，达到了65%的提升。这一改进显著减少了等离子体电流的长期偏差，并且将学习新任务所需的训练时间缩短了3倍以上。
为了验证他们的研究成果，研究人员在TCV托卡马克上使用了升级后的基于RL的控制器进行了新的实验。实验结果验证了他们在模拟中所实现的成果，并为使用RL方法在实际控制中实现精确放电指明了道路。
这一研究成果引起了广泛的关注和讨论。许多网友对此表示了赞赏和期待。有网友称这一突破是离地球上的核聚变和为每个人提供丰富能源更近了一步。
还有人认为当人工智能遇到物理时，才会发生真正的奇迹。他们认为这种将人工智能算法应用于物理领域的方式才是真正能够带来改变的AI应用类型。
DeepMind与EPFL的合作研究在利用强化学习控制核聚变反应堆方面取得了重要突破。通过改进RL方法的代理架构和训练过程，研究人员实现了更高的控制精度、减少稳态误差以及缩短学习新任务所需的时间。
这一研究成果为实现可控核聚变提供了新的可能性，并引发了人们对于AI在核聚变领域的潜力的广泛讨论。
该研究成果以《Towards practical reinforcement learning for tokamak magnetic control》为题，已在arXiv预印平台上发表。
编辑：未小妹