几十年来，原子融合和释放能量的复杂舞蹈一直让科学家们着迷。现在，人类的聪明才智和人工智能正在美国能源部 (DOE) 普林斯顿等离子体物理实验室 (PPPL) 相结合，解决人类最紧迫的问题之一：通过聚变等离子体产生清洁、可靠的能源。

与传统的计算机代码不同，机器学习(一种人工智能软件)不仅仅是指令列表。机器学习是一种可以分析数据、推断特征之间的关系、从新知识中学习并适应的软件。 PPPL 研究人员相信，这种学习和适应能力可以通过多种方式改善他们对聚变反应的控制。这包括完善超热等离子体周围容器的设计、优化加热方法以及在越来越长的时间内保持反应的稳定控制。

该实验室的人工智能研究已经取得了显著成果。在《自然通讯》上发表的一篇新论文中，PPPL 研究人员解释了他们如何使用机器学习来避免磁扰动或破坏，从而破坏聚变等离子体的稳定性。

该论文的主要作者、PPPL 研究物理学家 SangKyeun Kim 表示：“结果特别令人印象深刻，因为我们能够使用相同的代码在两个不同的托卡马克装置上实现这些结果。”托卡马克是一种环形装置，利用磁场来保持等离子体。

“等离子体中存在不稳定性，可能会导致聚变装置严重损坏。我们不能在商业聚变容器中使用这些物质。我们的工作推动了该领域的发展，并表明人工智能可以在管理未来聚变反应方面发挥重要作用避免不稳定，同时让等离子体产生尽可能多的聚变能，”机械和航空航天工程系副教授 Egemen Kolemen 说道，他是安德林格能源与环境中心和 PPPL 联合任命的。

必须每毫秒做出重要决定，以控制等离子体并保持聚变反应持续进行。科莱门的系统可以比人类更快地做出这些决定，并自动调整聚变容器的设置，以便正确维持等离子体。该系统可以预测中断，找出需要更改的设置，然后在不稳定发生之前进行这些更改。

科尔曼指出，结果也令人印象深刻，因为在这两种情况下，等离子体都处于高限制模式。也称为 H 模式，当磁约束等离子体被加热到足以使等离子体的约束突然显着改善并且等离子体边缘的湍流有效消失时，就会发生这种情况。 H 模式是最难稳定的模式，但也是商业发电所必需的模式。