人工智能能否解决核聚变能源难题？ 如果科学家们能够破解维持和控制等离子体以实现更高效反应的秘诀，那么核聚变就有可能成为清洁能源领域的“圣杯”。核聚变能够提供大量稳定的电力，同时不产生任何温室气体排放和危险的核废料……只是在未来的某一天而已。我们距离能够创造足以接近能源效率或具有商业可行性的条件来实现核聚变还有一段很长的路要走。但过去几年里的一系列突破性进展极大地加快了核聚变发展的速度，使这种潜在的绿色能源“神弹”比以往任何时候都更接近成为现实。 这一成就来得实在太及时了。随着AI核聚变技术的迅猛发展，全球能源需求的增长预测也随之上升，科技行业的巨头们越来越倾向于将核聚变研究视为一种潜在的解决方案。OpenAl（ChatGPT 所属公司）的创始人兼首席执行官萨姆·奥特曼个人已投入了数亿美元用于核聚变研究。他认为核聚变是满足数据中心未来需求的必要发展举措。“若想实现这一目标，就必须有所突破，我们需要实现核聚变。” 奥特曼在 1 月份的一次采访中说道。 然而，尽管人工智能的发展使得对稳定型清洁能源的需求比以往任何时候都更为迫切，但它也可能成为释放该技术商业潜力的关键。一种名为“Diag2Diag”的新型机器学习工具在这方面取得了重大进展。该工具可用于帮助监测和控制聚变实验中的等离子体，并特别能够避免所谓的“边缘局部模式”（ELM），这是一种不稳定状态，会迅速破坏等离子体周围的材料，给像欧洲的“ITER”和中国的“EAST”这样的大型且成本高昂的聚变等离子体实验带来重大问题。 大多数核聚变实验都利用电磁场来控制高温等离子体，以模拟我们太阳和恒星的运行环境，这些恒星的能量来源于自然发生的聚变反应。这种等离子体的温度可达 1 亿摄氏度，极其难以控制，而且非常难以驾驭。当等离子体突破其限制范围时，往往标志着核聚变实验的结束，同时也增加了实现核聚变作为地球清洁能源潜力的障碍。 ITER 和 EAST 通过使用巨大的磁体来控制等离子体，以进行其在被称为托卡马克的巨大环形反应堆内的核聚变实验。但通过这种方法形成的“磁岛”很难被观察和监测。Diag2Diag 提供了一种革命性的解决方案来解决这个问题。通俗地说，据“Interesting Engineering.”网站最近的一篇报道，“该技术通过分析现有传感器的测量数据来生成新的合成数据，以供可能出现故障或速度过慢而无法捕捉关键事件的另一台传感器使用”。 研究人员在一篇详细介绍这一突破的科学论文中写道：“借助超分辨率诊断技术，我们首次能够通过实验验证磁岛的理论模型，从而深入了解其在边缘导纳层稳定中的作用。” “这一进展为未来如国际热核聚变实验堆（ITER）这样的聚变反应堆开发有效的边缘导纳层抑制策略提供了支持，并具有更广泛的应用前景，有可能彻底改变天文学、天体物理学和医学成像等领域的诊断技术。” 尽管这一系列核聚变技术的突破中又有了新的进展，但商业核聚变仍需数十年才能实现——而且一些专家怀疑，它是否真能如支持者所承诺的那样成为“万灵药式”的解决方案。将核聚变仅仅视为解决AI能源需求急剧增长问题的万能方法，可能是一种不切实际的想法，甚至是一种资源的不当分配，这些资源更应该投入到已得到验证的清洁能源技术上。据阿姆斯特丹自由大学的数据科学家兼研究员亚历克斯·德·维里斯称：“更明智的做法是专注于我们现有的技术和我们当下能够做到的事情，而不是寄希望于可能会发生的某种奇迹。”
