新火種
2025-01-07 
人工智能走向核能，互相依賴的時代發展新搭檔
編輯丨toileter
隨著 AI 的能源需求愈發貪婪，風能、太陽能等時興熱門清潔能源已經無法滿足 AI 擴張的胃口。于此時此刻，核電的炒作宛如密西西比河的河水波瀾層起。
近些年來，雖然核電的支持者一直在宣揚「核電復興」，但由于其高昂的成本與較高的維護成本，核能復興還未獲得站上風口的機會。
谷歌上個月簽署了一項協議，從 Kairos Power 設計的 6 到 7 個愛馬仕小型模塊化反應堆中購買總計 500 兆瓦的發電容量——大約是傳統核反應堆產量的一半。但盡管公司、億萬富翁和政府投入了大量資金，但核能并不是一個確定的賭注。
如果核能要解決人工智能能源問題，成本和時間并不是必須克服的唯一障礙。由于核電站關閉且沒有更換，建造大量核項目所需的勞動力已經減少。而且，還需要考慮核廢料的處理與未來放射性武器擴散的可能。
如果想要排除核裂變式核能發電站，那么核聚變的核能發電就成為了最重要的發展目標。
幾十年來，核聚變釋放能量的「精妙」過程一直吸引著科學家們的研究興趣。
今年上半年，普林斯頓等離子體研究所，科學家正借助人工智能，來解決人類面臨的緊迫挑戰：通過聚變等離子體產生清潔、可靠的能源。
可喜可賀的是，他們成功地使用相同的代碼，在兩個不同的托克馬克裝置上實現了使用 AI 來避免磁擾動破壞聚變等離子體穩定性的實驗結果。
在KSTAR實驗中，ML 集成的自適應 RMP 優化器在 4.5 秒內觸發，在 6.2 秒內實現安全的 ELM 抑制。
此外，它還提供了一種穩健的策略，通過最大限度地減少限制和無感電流分數的損失，在長脈沖場景（持續超過 45 秒）中實現穩定的 ELM 抑制。
這對于需要保證安全的核能發電中至關重要。畢竟，目前而言，核爆近距離觀測員這個職位并沒有太溫和的上升空間。
這種集成自適應 RMP 控制是一種非常有前途的優化 ELM 抑制狀態的方法，有可能解決實現實用且經濟可行的聚變能源的最艱巨的挑戰之一。
而在時隔五個月之后的 10 月，中國科學院的研究員再次在等離子體上有所突破。基于先進實驗超導托卡馬克（EAST）裝置上的 X 射線晶體譜儀（XCS）獲得等離子體光譜數據，他們利用人工神經網絡模型實現了等離子體旋轉速度和離子溫度剖面的快速預測。
快速準確地獲取等離子體的關鍵參數（如電子密度、電子溫度和離子溫度）對于提高托卡馬克放電性能至關重要。而托卡馬克的放電性能又關系到發電裝置的供電效率。
在此之中，神經網絡的的預判可以作為卷積神經網絡的基礎，以此提高實際應用中的準確性的基準。雖然由于需要預測不確定性所需的額外預算，但是神經網絡再次仍然以十倍的速度優勢擊敗了傳統的非線性擬合算法。
此外，模型還具備對輸入數據范圍和誤差的自動識別能力，為提升診斷系統的智能化水平奠定了基礎。需要指出的是，此模型算法不局限于特定的診斷系統和物理模型，可以較為快捷地移植并應用于多種診斷系統的數據分析過程。
此番研究為更廣泛的聚變研究提供了適應性強的自動化解決方案。
稍后的幾天，美國能源部的普林斯頓等離子體物理研究所的一名副研究員宣布道，憑借他們的智慧，可以訓練 AI 超過原有數值的限制。
該研究員所屬團隊開發了一款實時核心離子回旋加速器頻率范圍 (ICRF) 加熱模型。基于兩種非線性回歸算法，即決策樹的隨機森林集成和多層感知器神經網絡。
一開始，他們使用機器學習技術開發快速的替代模型，這些模型是根據計算機代碼生成的數據進行訓練的，可以在保持精度的同時能大大縮短計算時間。雖然大部分數據與過去的結果一致，但在某些極端情況下，數據并不理想。
他們觀測到有一種參數變化狀態，其中的加熱曲線在隨機位置會出現不規則尖峰。
你的頭怎么尖尖的？研究員不禁發問道。
那我問你，你是 AI 是人？異常尖峰反問道。
AI 順利地消除了所有有問題的數據。后續也沒有更多出現錯誤的方案出現。
該模擬假設了麥克斯韋等離子體，NSTX 和 WEST 中預期的平頂操作場景。而正如預期的那樣，這些模型還縮短了 ICRF 加熱的計算時間，從大約 60 秒縮短到 2 微秒
模型一把抓住計算任務，頃刻煉化。近千萬倍地加快模擬速度，卻不會明顯影響到計算的準確性。
時間再來到一個月前。
人們意識到，大型的核聚變反應堆耗資高，技術水平要求高，并且處理代價更加高昂。小型反應堆的需求進一步上升。
因此，一種用于遠程監控小型核反應堆的智能組件系統應運而生。AI 可以通過檢測光纖傳感器內部生成的實時數據，來實現 AI 內部驅動的熱變形分析。
該研究的創新之處在于將 3D 打印與 AI 相結合的新技術，能夠快速處理來自光纖傳感器的多個連續變量。該團隊使用定向能量沉積（DED）打印方法成功制造了智能核部件，將光纖傳感器無縫集成到金屬部件中。
這些傳感器不需要在測量區域供電，并且隨著長度的增加信號損失最小，因此適合多種應用。這些應用包括建筑物結構監測、管道和深海測量。
除此之外，研究團隊還使用了 AR 眼鏡進行了數字孿生實驗。而測試顯示，從數據采集到數字孿生環境的可視化，整個過程在不到 2 秒的時間內完成。
這項新技術有望通過使人工智能能夠監測通常無法通過人工檢查檢測到的關鍵熱變形信號，顯著提高下一代小型核反應堆的安全性和運行效率。
研發團隊預測，這種融合技術的應用范圍可以擴展到核能之外，并可能使自主制造系統、航空航天和先進國防等不同行業受益。
輻射能源集團董事總經理 Mark Nelson 在參加《晨間簡報》的節目時，就核能股票的增長趨勢發表了自己的看法。
相關鏈接：https://www.youtube.com/watch?v=FJX95GN7xVE
他解釋說，人工智能與能源需求的交集讓人們意識到，現在的科技公司并沒有切實可行的能源增長方案，而這為核能創造了機會。
AI 的持續進化刺激了核能這種大規模發電的發展，而核能科技的進化也需要 AI 的技術支持。在未來，越來越高占比的 AI 產品將會持續滲透到生活的各個方面，在此基礎上，清潔大劑量的能源——聚變核能，也將會占用更多算力以提供支持。
這會是一個相輔相成的局面，但未來究竟是可控核聚變率先突破，還是 AI 算法的進化更勝一籌榨干了核能的供給，尚未可知。
參考內容：https://thebulletin.org/2024/12/ai-goes-nuclear/
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
