独家专访DeepMind CEO哈萨比斯：我们将看到一种全新的科学复兴近日

近日，《麻省理工科技评论》独家专访了DeepMind的CEO兼联合创始人戴密斯·哈萨比斯（DemisHassabis），从他的学生时代聊到创业历程，亦从AlphaGo聊到了AlphaFold 。

文章图片
图|戴密斯·哈萨比斯（DemisHassabis）（来源：《麻省理工科技评论》）
尽管AlphaFold在2021年名声大噪，但很明显这是哈萨比斯的起点，而不是终点。他对《麻省理工科技评论》说：“我们将看到一种全新的科学复兴，这些AI技术将继续变得更加复杂，并被应用到广泛的科学领域。随着AI浪潮的兴起，更多的问题将变得可以处理。 ”

文章图片
（来源：《麻省理工科技评论》）
如他所言， 2月16日， DeepMind“果真”公布了AI用于核聚变的新成果。当天，该公司与瑞士等离子体中心（SwissPlasmaCenter ， SPC）宣布，双方训练出一种深度强化学习算法，可用于核聚变研究中的等离子体磁控制。
相关论文以《通过深度强化学习对托卡马克等离子体进行磁控制》（Magneticcontroloftokamakplasmasthroughdeepreinforcementlearning）为题发表在Nature上[1] 。

文章图片
（来源：Nature）
据悉，氢原子在极高温下产生一个旋转、搅动的等离子体，托卡马克使用强大的磁场将等离子体限制在数亿摄氏度温度下，甚至要高于太阳核心温度，从而进行核聚变发生研究。
值得一提的是， SPC的托卡马克较为特殊，它允许各种等离子体配置，因此得名可变配置托卡马克（variable-configurationtokamak ， TCV）。

文章图片
图|包含等离子体的TCV3D模型，周围是各种磁线圈（来源：DeepMind&SPC/EPFL）
托卡马克通过一系列磁线圈形成并保持等离子体，这些线圈的设置，特别是电压，必须仔细控制。否则，等离子体可能与管壁碰撞并恶化。为了防止这种情况发生， SPC的研究人员首先在模拟器上测试他们的控制系统配置，然后再实际应用到TCV上。
“我们的模拟器基于20多年的研究，并不断更新， ”SPC科学家兼该研究的合著者费德里科·费利奇（FedericoFelici）说， “但即便如此，仍然需要长时间的计算来确定控制系统中每个变量的正确值。 ”
核聚变研究突破的一个关键就是发现控制等离子体的智能方法。这给了DeepMind大展身手的空间。 DeepMind的专家开发了一种AI算法，在模拟中尝试许多不同的控制策略。
根据收集到的经验，该算法生成了一种控制策略，以产生所需的等离子体配置。等离子体的配置与其在设备中的形状和位置有关。这意味着科学家可以用它来研究限制和控制等离子体的新方法。
据介绍， DeepMind首先使用该算法运行许多不同的设置，并分析每个设置产生的等离子体配置。然后，该算法被要求以另一种方式工作-通过识别正确的设置来产生特定的等离子体配置。
经过训练后，基于AI的系统能够创建和维护各种等离子体形状和高级配置，包括同时在容器中维护两个独立等离子体的配置。并在SPC的模拟器上进行训练。
最后，研究小组直接在托卡马克上测试了他们的新系统，以下为系统在现实世界条件下的表现。

文章图片
动图|使用强化学习控制器生成的各种不同等离子体形状（来源：DeepMind&SPC/EPFL）