核融合结合Google机器学习,两个月任务缩短至一下午

现在有许多国家正投入核融合竞赛中,都希望可以通过这项黑科技带来低碳、稳定的供电或能源来源,最近美国TAE Technologies更结合Google的“机器学习”知识,将本需两个月的任务缩减到几小时,加速研究进展。

核融合研究漫长又复杂,为了当地球上打造一个能与恒星媲美的能量设备、在高温与高压下将氢原子等较轻原子经过融合反应成为较重的原子核,科学家可以说是煞费苦心。

其中TAE于1998年成立,获得已故微软共同创办人艾伦(Paul Allen)、美国石油大王洛克菲勒家族与高盛集团赞助,目前已经募得超过8.8亿美元,该技术有别于外观像甜甜圈的托卡马克核融合技术,TAE核融合设备外观是30米的圆柱体C2W“Norman(诺曼)”。

核融合需要精准的微调系统才能控制上千万度的电浆,TAE首席执行官Michl Binderbauer表示,与其他核融合技术将比,TAE设计具有显著优势。目前更通过Google的机器学习专业来优化TAE的核融合设备,通常更新相关硬件设备后,还需要长达两个月的时间进行优化与调整性能,“但通过机器学习,我们可以在不到一个下午完成”。

Binderbauer解释,机器学习还可以应用在“重现”核融合反应,或是汇总多样资料。这是一项运算密集型挑战,过去鲜少人尝试,“与Google合作也可以缩短公司的远程目标一年,我们希望可以在2030年展开商业核融合测试”。

TAE的核融合技术跟国际热核融合实验反应炉(ITER)的托卡马克不太一样,ITER使用由氘和氚(音同刀与穿)组成的燃料,最终会产生摄氏数千万度的核融合能量,只是氚具有放射性,反应炉内部设备也会因此受损、供应量也有限;诺曼则是利用“常规的”氢和氘燃料,可以说是更温和、但效力较低的选择,未来则希望能改用氢硼燃料,不会产生中子也因此几乎没有放射性,更容易运维设备,只是需要提高温度。

目前诺曼的运行温度为摄氏7,000万度,但若使用氢硼燃料需要将温度增高20~30倍,达到数十亿度,对此Binderbauer乐观看待。

(首图来源:TAE)

发表评论