ทำความรู้จักพลาสมาในเตาฟิวชันร้อนกว่าแกนดวงอาทิตย์
มีพฤติกรรมไม่เสถียร — ถ้าออกนอกตำแหน่งจะทำให้เสียพลังงานหรือทำลายอุปกรณ์ การใช้ AI จำลองและฝึกควบคุมในสภาพเสมือนจริงช่วยค้นหานโยบายควบคุมที่ตอบสนองเร็วกว่า มุ่งสู่การทำงานต่อเนื่องและปลอดภัย ซึ่งเป็นเงื่อนไขสำคัญของการผลิตพลังงานฟิวชันเชิงพาณิชย์
ผลลัพธ์ที่ DeepMind คาดหวัง
ลดเวลาเกิดอุบัติการณ์และความเสียหายของเตา
เพิ่มเวลาที่พลาสมาคงตัว (dwell time) ซึ่งช่วยเพิ่มผลผลิตพลังงานทดลอง
ลดความเสี่ยงและต้นทุนการทดลองด้วยการทดสอบเชิงนโยบายบนซิมูเลเตอร์ก่อนนำขึ้นสนามจริง
ข้อจำกัดที่ต้องจับตา
ช่องว่างระหว่างซิมกับของจริง (sim-to-real gap) — พฤติกรรมจริงอาจมีปัจจัยที่ซิมไม่ครอบคลุม
หน่วงเวลา & ความน่าเชื่อถือ — การควบคุมต้องตอบสนองเร็วมากและต้องปลอดภัยโดยสมบูรณ์
การรับรองความปลอดภัย — ระบบต้องผ่านมาตรฐานและทดสอบเข้มงวดก่อนนำไปใช้สนามจริง
Deep Mind ที่มีซิมูเลเตอร์ TORAX ร่วมกับ CFS กำลังทดสอบการใช้ AI ควบคุมพลาสมาในเตา SPARC แบบเรียลไทม์ — ถ้าประสบความสำเร็จ จะเป็นก้าวสำคัญที่ทำให้ฟิวชันใกล้เป็นแหล่งพลังงานจริงมากขึ้น
tags : Google
