Đưa AI đến thế hệ năng lượng nhiệt hạch tiếp theo
Chúng tôi đang hợp tác với Commonwealth Fusion Systems (CFS) để đưa năng lượng nhiệt hạch sạch, an toàn, không giới hạn đến gần hơn với hiện thực.
- 9 min read
Đưa AI đến Thế Hệ Năng Lượng Hợp Hạch Tiếp Theo
Chúng tôi đang hợp tác với Commonwealth Fusion Systems (CFS) để đưa năng lượng hợp hạch sạch, an toàn, vô hạn đến gần hơn với hiện thực.
Hợp hạch, quá trình cung cấp năng lượng cho mặt trời, hứa hẹn nguồn năng lượng sạch, dồi dào mà không tạo ra chất thải phóng xạ tồn tại lâu dài. Để thực hiện điều này trên Trái Đất, chúng ta cần giữ một loại khí ion hóa, gọi là plasma, ổn định ở nhiệt độ trên 100 triệu độ C – tất cả nằm trong giới hạn của một cỗ máy năng lượng hợp hạch. Đây là một vấn đề vật lý rất phức tạp mà chúng tôi đang nỗ lực giải quyết bằng trí tuệ nhân tạo (AI).
Hôm nay, chúng tôi công bố quan hệ đối tác nghiên cứu với Commonwealth Fusion Systems (CFS), một công ty hàng đầu toàn cầu về năng lượng hợp hạch. CFS tiên phong trong việc tạo ra một con đường nhanh hơn đến năng lượng hợp hạch sạch, an toàn và gần như vô hạn với máy tokamak nhỏ gọn, mạnh mẽ có tên SPARC.
SPARC tận dụng các nam châm siêu dẫn nhiệt độ cao mạnh mẽ và hướng đến mục tiêu trở thành máy hợp hạch từ tính đầu tiên trong lịch sử tạo ra năng lượng hợp hạch ròng — nhiều năng lượng từ hợp hạch hơn mức cần thiết để duy trì nó. Thành tựu mang tính bước ngoặt đó được gọi là vượt qua “điểm hòa vốn” (breakeven) và là một cột mốc quan trọng trên con đường dẫn đến năng lượng hợp hạch khả thi.
Quan hệ đối tác này xây dựng dựa trên công trình đột phá của chúng tôi về việc sử dụng AI để kiểm soát thành công plasma. Với các đối tác học thuật tại Trung tâm Plasma Thụy Sĩ tại EPFL (École Polytechnique Fédérale de Lausanne), chúng tôi đã chứng minh rằng học tăng cường sâu có thể điều khiển các nam châm của tokamak để ổn định các hình dạng plasma phức tạp. Để bao quát phạm vi vật lý rộng hơn, chúng tôi đã phát triển TORAX, một trình mô phỏng plasma nhanh chóng và khả vi (differentiable) được viết bằng JAX.
Giờ đây, chúng tôi đang mang công trình đó đến với CFS để đẩy nhanh tiến độ cung cấp năng lượng hợp hạch cho lưới điện. Cho đến nay, chúng tôi đã hợp tác trong ba lĩnh vực chính:
- Tạo ra một mô phỏng nhanh chóng, chính xác và khả vi về plasma hợp hạch.
- Tìm ra con đường hiệu quả và mạnh mẽ nhất để tối đa hóa năng lượng hợp hạch.
- Sử dụng học tăng cường để khám phá các chiến lược kiểm soát thời gian thực mới lạ.
Sự kết hợp giữa chuyên môn AI của chúng tôi với phần cứng tiên tiến của CFS khiến đây trở thành quan hệ đối tác lý tưởng để thúc đẩy những khám phá nền tảng trong lĩnh vực năng lượng hợp hạch vì lợi ích của cộng đồng nghiên cứu trên toàn thế giới và cuối cùng là toàn bộ thế giới.
Mô Phỏng Plasma Hợp Hạch
Để tối ưu hóa hiệu suất của tokamak, chúng ta cần mô phỏng cách nhiệt, dòng điện và vật chất chảy qua lõi của plasma và tương tác với các hệ thống xung quanh nó. Năm ngoái, chúng tôi đã phát hành TORAX, một trình mô phỏng plasma mã nguồn mở được xây dựng để tối ưu hóa và kiểm soát, mở rộng phạm vi các câu hỏi vật lý mà chúng tôi có thể giải quyết vượt ra ngoài mô phỏng từ tính. TORAX được xây dựng bằng JAX, vì vậy nó có thể chạy dễ dàng trên cả CPU và GPU và có thể tích hợp trơn tru các mô hình hỗ trợ AI, bao gồm cả của chúng tôi, để đạt được hiệu suất tốt hơn nữa.
TORAX sẽ giúp các nhóm CFS kiểm tra và tinh chỉnh các kế hoạch vận hành của họ bằng cách chạy hàng triệu thí nghiệm ảo trước khi SPARC thậm chí được bật. Nó cũng mang lại cho họ sự linh hoạt để nhanh chóng điều chỉnh kế hoạch của mình khi dữ liệu đầu tiên đến.
Phần mềm này đã trở thành một yếu tố quan trọng trong quy trình làm việc hàng ngày của CFS, giúp họ hiểu cách plasma sẽ hoạt động trong các điều kiện khác nhau, tiết kiệm thời gian và tài nguyên quý giá.
TORAX là một trình mô phỏng plasma chuyên nghiệp, mã nguồn mở, đã giúp chúng tôi tiết kiệm vô số giờ thiết lập và chạy môi trường mô phỏng cho SPARC.
Devon Battaglia, Quản lý cấp cao về Vận hành Vật lý tại CFS
Tìm Con Đường Nhanh Nhất Đến Năng Lượng Tối Đa
Vận hành một tokamak bao gồm vô số lựa chọn về cách điều chỉnh các “núm” khác nhau có sẵn, như dòng điện cuộn dây từ tính, phun nhiên liệu và công suất gia nhiệt. Việc tự tìm các cài đặt tối ưu của tokamak để tạo ra nhiều năng lượng nhất, đồng thời vẫn nằm trong giới hạn hoạt động, có thể rất kém hiệu quả.
Sử dụng TORAX kết hợp với học tăng cường hoặc các phương pháp tìm kiếm tiến hóa như AlphaEvolve, các tác nhân AI của chúng tôi có thể khám phá vô số kịch bản hoạt động tiềm năng trong mô phỏng, nhanh chóng xác định các con đường hiệu quả và mạnh mẽ nhất để tạo ra năng lượng ròng. Điều này có thể giúp CFS tập trung vào các chiến lược đầy hứa hẹn nhất, tăng khả năng thành công ngay từ ngày đầu tiên, ngay cả trước khi SPARC được đưa vào vận hành đầy đủ và hoạt động ở công suất tối đa.
Chúng tôi đã xây dựng cơ sở hạ tầng để điều tra các kịch bản SPARC khác nhau. Chúng ta có thể xem xét việc tối đa hóa công suất hợp hạch được tạo ra theo các ràng buộc khác nhau hoặc tối ưu hóa độ mạnh mẽ khi chúng ta tìm hiểu thêm về cỗ máy.
Ở đây, chúng tôi minh họa các ví dụ về một xung SPARC tiêu chuẩn được mô phỏng trong TORAX. Hệ thống AI của chúng tôi có thể đánh giá nhiều xung có thể để tìm các cài đặt mà chúng tôi hy vọng sẽ hoạt động tốt nhất.
Thông qua mạng lưới hợp tác ngày càng tăng của chúng tôi trong cộng đồng nghiên cứu hợp hạch, chúng tôi sẽ có thể xác thực và hiệu chỉnh TORAX dựa trên dữ liệu tokamak trong quá khứ và các mô phỏng có độ trung thực cao. Thông tin này sẽ cung cấp sự tin tưởng vào độ chính xác của mô phỏng và giúp chúng tôi nhanh chóng thích ứng ngay khi SPARC bắt đầu hoạt động.
Phát Triển Một Phi Công AI Để Kiểm Soát Thời Gian Thực
Trong công trình trước đây của chúng tôi, chúng tôi đã chứng minh rằng học tăng cường có thể kiểm soát cấu hình từ tính của tokamak. Giờ đây, chúng tôi đang tăng độ phức tạp bằng cách thêm tối ưu hóa đồng thời nhiều khía cạnh hơn về hiệu suất tokamak, chẳng hạn như tối đa hóa công suất hợp hạch hoặc quản lý tải nhiệt của SPARC, để nó có thể chạy ở hiệu suất cao với biên độ lớn hơn đối với giới hạn của máy.
Khi chạy ở công suất tối đa, SPARC sẽ giải phóng nhiệt lượng lớn tập trung trên một khu vực nhỏ cần được quản lý cẩn thận để bảo vệ các vật liệu rắn gần plasma nhất. Một chiến lược mà SPARC có thể sử dụng là quét từ tính năng lượng xả này dọc theo tường, như minh họa bên dưới.
Trong giai đoạn đầu của sự hợp tác, chúng tôi đang điều tra cách các tác nhân học tăng cường có thể học cách kiểm soát động plasma để phân phối nhiệt này một cách hiệu quả. Trong tương lai, AI có thể học các chiến lược thích ứng phức tạp hơn bất cứ điều gì mà một kỹ sư có thể tạo ra, đặc biệt là khi cân bằng nhiều ràng buộc và mục tiêu. Chúng ta cũng có thể sử dụng học tăng cường để nhanh chóng điều chỉnh các thuật toán điều khiển truyền thống cho một xung cụ thể. Sự kết hợp giữa tối ưu hóa xung và điều khiển tối ưu có thể đẩy SPARC tiến xa hơn và nhanh hơn để đạt được các mục tiêu lịch sử của nó.
Thống Nhất AI và Hợp Hạch Để Xây Dựng Một Tương Lai Sạch Hơn
Bên cạnh nghiên cứu của chúng tôi, Google đã đầu tư vào CFS, hỗ trợ công việc của họ về những đột phá khoa học và kỹ thuật đầy hứa hẹn và chuyển công nghệ của họ sang thương mại hóa.
Nhìn về phía trước, tầm nhìn của chúng tôi mở rộng ra ngoài việc tối ưu hóa các hoạt động SPARC. Chúng tôi đang xây dựng nền tảng để AI trở thành một hệ thống thông minh, thích ứng ở trung tâm của các nhà máy điện hợp hạch trong tương lai. Đây chỉ là khởi đầu của hành trình cùng nhau của chúng tôi và chúng tôi hy vọng sẽ chia sẻ thêm chi tiết về sự hợp tác của chúng tôi khi chúng tôi đạt được những cột mốc mới.
Bằng cách thống nhất tiềm năng cách mạng của AI và hợp hạch, chúng tôi đang xây dựng một tương lai năng lượng sạch hơn và bền vững hơn.
Tìm hiểu thêm về công việc của chúng tôi
Lời cảm ơn
Công trình này là sự hợp tác giữa Google DeepMind và Commonwealth Fusion Systems.
Những người đóng góp của Google Deepmind: David Pfau, Sarah Bechtle, Sebastian Bodenstein, Jonathan Citrin, Ian Davies, Bart De Vylder, Craig Donner, Tom Eccles, Federico Felici, Anushan Fernando, Ian Goodfellow, Philippe Hamel, Andrea Huber, Tyler Jackson, Amy Nommeots-Nomm, Tamara Norman, Uchechi Okereke, Francesca Pietra, Akhil Raju và Brendan Tracey.
Những người đóng góp của Commonwealth Fusion Systems: Devon Battaglia, Tom Body, Dan Boyer, Alex Creely, Jaydeep Deshpande, Christoph Hasse, Peter Kaloyannis, Wil Koch, Tom Looby, Matthew Reinke, Josh Sulkin, Anna Teplukhina, Misha Veldhoen, Josiah Wai và Chris Woodall.
Chúng tôi cũng xin cảm ơn Pushmeet Kohli và Bob Mumgaard vì sự hỗ trợ của họ.
Tín dụng: Hình ảnh Cơ sở SPARC, các bản dựng SPARC và bản dựng CAD của gạch chuyển hướng là bản quyền từ năm 2025 Commonwealth Fusion Systems.
Các bài viết liên quan
Link bài viết gốc
- Tags:
- Ai
- 16 October 2025
- Deepmind.google