为了让科学家实现核融核发电梦想、在地球上打造像太阳的能量场，美国能源部普林斯顿电浆物理实验室（PPPL）与普林斯顿大学透过人工智能系统，利用深度学习预测与分析电浆行为、避免核融合设备受到损坏，进一步加速核融合进展。
核融合借由将氘与氚原子置于高温或高压下，引起的聚合反应会产生中子、氦与大量能量，可利用这些能量来生产电力。该技术也不会带来放射性污染、碳排放等问题，若能成功打造受控设备，实现持续且平稳能量输出、将核融合技术投入电厂，我们便拥有庞大无碳电力可用。
不过至今还没有一座核融合发电原型可稳定运作，尚有诸多障碍待跨，像是能量不足无法促使聚合反应、无法有效控制反应导致电浆破裂（plasma disruption）使设备受损等，因此为提升研究进展与减少设备损害，PPPL 团队想将深度学习结合到核融合技术，希望可在发生电浆破裂前 30 毫秒干预。
深度学习为机器学习的一部分，就像是让电脑长出神经系统一样，每个深度学习软件都是由多个相互连接的神经网络组成，可以用来处理复杂的图像与数据，进行庞大演算、展现拟人判断与行为，可说是目前人工智能主流技术。
该核融合专案名为“Accelerated Deep Learning Discovery in Fusion Energy Science”，PPPL 团队设计出一款融合递归神经网络（FRNN）深度学习软件，该技术由卷积神经网络（CNN）与递归神经网络（RNN）相互组成，CNN 善于处理影像分类、物体侦测，RNN 则是能利用内部内存来处理任意数据，两者结合让科学家“训练”电脑检测目标，盼可进一步预测与分析大型托卡马克核融合设备电浆。
目前团队已成功改进欧洲联合环状反应炉（JET）的电浆预测数据，未来他们还会将该软件装在美国能源部阿贡实验室的极光（Aurora）超级电脑。其中极光有望在 2021 年成为美国第一个达到百万兆级（Exascale）的超级电脑，每秒可执行 1,018 次运算，比其他超级电脑还要快 50~100 倍，相当适合用于核融合技术与分析电浆行为。
PPPL 团队希望最后可帮助世界最大核融合设备 ITER 实现商业化，在发生电浆破裂前 30 毫秒或是更久之前，能以预测准确率 95%、误报率 5% 内干预。PPPL 资深物理学家 William Tang 表示，这进步只能透过人工智能的深度学习达成。
ITER 是由欧盟、印度、日本、中国、俄罗斯、韩国和美国 7 个成员资助和协助运行的托卡马克核融合设备，目前施工进度已过半，专家预估将在 2025 年 12 月进行第一阶段测试，若实验有成，世界第一批核融合发电厂有望在 2040 年前投入运转。
- Artificial intelligence project to help bring the power of the sun to Earth is picked for first U.S. exascale system
- The AI that could help make limitless fusion power a reality: Supercomputer set to try and work out how to harness the energy of the sun
（本文由 EnergyTrend 授权转载；首图来源：ITER）
