可控核聚变能具有安全、清洁、燃料丰富等优点，是解决人类未来能源问题的主要选择之一。

在可控核聚变领域有一个著名的「50 年悖论」，意思就是说距离实现可控核聚变永远都只有 50 年，为了让核聚变「可控」，科学家们已经研究了 50 多年，接下来还要继续……

但，人工智能和机器学习 (ML) 已被证明在很多行业和应用中能够检测人类无法识别的数据中的微妙模式。

那么神经网络和为其提供动力的 GPU 是否有助于核聚变？这是一个巨大的挑战，它将加速全球对「驯服」热等离子体不稳定性的探索，并最终提供一种可持续、无碳能源的来源。

本文列举深度学习和机器学习，最近在核聚变方面的应用研究：

  • 深度学习在核聚变研究中的三种用途
  • 机器学习预测等离子体行为
  • 基于深度学习的 PIC 模拟方法

最后总结：

人工智能和机器学习在核聚变系统中并非没有缺点。机器学习算法，尤其是深度学习模型，是「黑匣子」——并不总是可能知道一个模型是如何得到结果的。但是通过使用这些算法，科学家们可以收集这些模型所见的一些细节，并了解有关等离子体和聚变物理学的更多信息。

「归根结底，解决核聚变问题的将是我们的思想，」Stefano Markidis 说。「这只是我们使用什么工具的问题，人工智能和机器学习将成为关键工具。」

内容中包含的图片若涉及版权问题，请及时与我们联系删除