在巨大的熱量和重力下，太陽核心中的氫原子核互相碰撞，聚合成更重的氦原子，并在此過程中釋放出大量能量。數十年來，科學家和工程師們探索通過形似甜甜圈的托卡馬克裝置，限制等離子體，進而達成可控核聚變的目的。如何有效控制等離子體，是通往核聚變的關鍵。
“我們需要加熱這些物質，并使其保持足夠長的時間，以便從中獲得能量。” 瑞士洛桑聯邦理工學院等離子體中心主任Ambrogio Fasoli說道。
要實作核聚變，必須滿足三項條件：極高的溫度、足夠的等離子體粒子密度以及足夠的限制時間。這正是人工智能的用武之地。2月16日，題為《通過深度強化學習對托卡馬克等離子體進行磁控》（Magnetic control of tokamak plasmas through deep reinforcement learning）的論文登上《Nature》，該研究由谷歌旗下人工智能公司Deepmind和瑞士洛桑聯邦理工學院等離子體中心的實體學家合作完成。
在超過1億℃的環境下，氫過熱成為一種等離子體狀态。沒有任何材料可以控制這樣溫度的等離子體，但在托卡馬克裝置中，強大的磁場使等離子體懸浮并固定在托卡馬克内部，迫使其保持形狀并阻止其接觸反應堆壁（接觸反應堆壁将冷卻等離子體并損壞反應堆）。
在曾經的控制方法下，想要産生更高能量是一件風險很大的事情，實體學家也不敢輕易作嘗試。Deepmind做的事就是訓練AI學習精準控制托卡馬克内包含等離子體的磁場。
“這使我們能夠推動事情向前發展，因為我們可以承擔原本不敢冒的風險。” 參與該項目的瑞士等離子體中心科學家之一Ambrogio Fasoli表示，“我們正在嘗試的一些等離子體形狀正使我們非常接近系統的極限。在這樣的情況下，等離子體可能會崩潰并損壞系統。如果沒有對人工智能的信心，我們不會冒這個風險。”
精準控制等離子體需要不斷監測和操縱磁場。“托卡馬克越複雜，性能越高，就需要越來越高的可靠性和準确性來控制。”聖地亞哥能源研究中心科學家Dmitri Orlov接受《Wired》采訪時表示。
要實作這個目标，這個世界上第一個在核聚變裝置（托卡馬克）中實作對等離子體的自主要制的AI需要解決兩個問題：準确捕獲真實托卡馬克裝置中存在的所有變量，以及在不到50微秒（5000萬分之一秒）時間内做出決定。
通過磁場變化塑造等離子體(00:04)
研究團隊用一個大型神經網絡每秒對90種等離子體的形狀和位置完成一萬次訓練，進而不斷對磁場變化如何塑造等離子體進行長程預測（longer-term prediction），并相應地調整19塊磁鐵的電壓。然後用這個神經網絡來訓練一個小的系統，學習執行第一個網絡所推薦的最佳決策。這樣就可以即準确，又快速。
“這是迄今為止強化學習在現實世界中最具挑戰性的應用之一，”DeepMind研究科學家Martin Riedmiller表示，“但需要明确的是，這并不意味着我們已經解決了聚變問題。它所代表的……是我們了解如何設計新的靈活托卡馬克控制器的重要一步。”
在創造了擊敗圍棋世界冠軍的AlphaGo之後，DeepMind進入大衆視野。此後，它還推出通過基因序列預測蛋白質三維結構的AlphaFold。
“當今科學領域的重大問題很少能簡化為一小組優雅或緊湊的公式，由一個人或一個小團隊來解決，”DeepMind 的研究科學家Jonas Buchli曾表示，“我們相信，人工智能是人類創造力的倍增器，它開啟了新的探索領域，使我們能夠充分發揮潛力。今天，人工智能系統變得足夠強大，可以應用于許多現實世界的問題，包括科學發現本身。”
這不是第一次使用AI控制核聚變。自2014年以來，谷歌一直與聚變公司TAE Technologies 合作，将機器學習應用于不同類型的聚變反應堆——加速實驗資料的分析。英國聯合JET（Joint European Torus）聚變項目的研究已使用AI來嘗試預測等離子體的行為。這個概念甚至出現在2004年的《蜘蛛俠 2》中，反派奧克博士創造了一個由人工智能驅動、由大腦控制的外骨骼來控制他的實驗性聚變反應堆。
近日，JET在持續5秒的核聚變實驗中産生總共59兆焦耳的能量，大幅重新整理其在1997年實驗中創造的紀錄。這項成果将對仍處于建造中的國際熱核聚變實驗堆（ITER）起到重要的推動作用。