核融合発電は、人類に無尽蔵にも等しい莫大なエネルギーをもたらす夢のテクノロジーだが、その実現には多くの困難が伴い、その実現性を疑問視する声も根強い。だが今回、プリンストン大学の研究者らによると、人工知能（AI）を用いることで、この核融合の実現を目指す中での最大の課題の 1 つを克服する事が出来、この夢のテクノロジーの実現がまた一歩近付いたようだ。

核融合とは、2つ以上の原子核を融合させ新しい原子核と素粒子を形成する核反応だ。無公害で安全、そして事実上無限であり、化石燃料を燃やすのに比べて質量比で400万倍近いエネルギーを生み出す。このエネルギーを利用して水を沸騰させ、蒸気タービンを回転させれば、ほぼ無限のグリーン電力を供給することができる。

だがもちろん、これの実現には大きな困難も伴う。核融合を行うには、星の中心部で見られるような温度と圧力が必要なのだ。ほとんどの核融合実験では、ドーナツ型の原子炉（トカマク）内で水素をとてつもない温度まで加熱し、プラズマ（原子から電子を取り除いた高温で電離した状態の物質）を形成し、それを強力な磁場で保持する。これは、核融合が始まる極端な星のような状態を作り出すために必要なことである。

核融合を発電に利用する際の大きな障害のひとつは、このプラズマの不安定性である。プラズマは、わずかな乱れで「破れ」やすく、磁場の枠から抜け出しやすい。これによってプラズマの平衡が崩れ、反応が突然終了する。

プリンストン大学のチームが解決したと主張しているのは、まさにこの問題である。

新しい論文の筆頭著者であるJaemin Seo氏（現在、韓国Chung-Ang大学物理学助教授）は、声明の中で次のように説明している。「これまでの研究では、一般的に、プラズマ中でこれらの破裂不安定性が発生した後に、その影響を抑制するか軽減することに焦点が当てられてきました。しかし、我々のアプローチによって、不安定性が現れる前にそれを予測し、回避することができるのです」。

研究チームは、リアルタイムのプラズマの特性に基づいて、破裂の可能性を予測するディープ・ニューラル・ネットワークを構築し、そのニューラルネットワークを使って強化学習アルゴリズムを訓練した。これにより、シミュレートされた環境内でプラズマを制御するためのさまざまな戦略を「テスト」することができ、時間の経過とともに「不安定性という罰を回避しながら高出力という目標を達成するための最適な経路」を学習した。

研究リーダーのEgemen Kolemen氏（プリンストンプラズマ物理研究所（PPPL）機械・航空宇宙工学准教授）は、「AIは、物理ベースのモデルから情報を取り入れるのではなく、過去の実験から学習することで、実際の原子炉において、安定した高出力プラズマ領域をリアルタイムでサポートする最終的な制御方針を開発することができました」と語った。

どのAIモデルもそうであるように、このモデルも自分が何をしているのかを深いレベルでは理解していない。研究チームはこのプログラムに、過去の実験から得られたリアルタイムのプラズマ特性に関するデータを与え、引き裂かれるような不安定性を予測し、重要な点として回避するという課題を課した。

コールメンの研究室の研究員で論文の共著者であるAzarakhsh Jalalvand氏は、「核融合反応の複雑な物理をすべて強化学習モデルに教えるわけではありません。高出力の反応を維持すること、ティアリング・モードの不安定性を回避すること、それらの結果を達成するために回すことができるノブなどです。時間が経つにつれて、不安定性という罰を避けながら高出力という目標を達成するための最適な経路を学習するのです」と、説明する。

無数のシミュレーションが行われ、人間の観察者によって調整・改良された後、チームはD-III D施設で実際にAIを試してみた。人間にとっては大したことではないが、AIにとっては十分な時間であり、プラズマを安定させるためにプラズマの形状や反応にパワーを与えるビームの強さなどのパラメーターを変更することができる。

では、無制限のクリーンエネルギーはすぐそこまで来ているのだろうか？そうとも言い切れない。プラズマの不安定性だけが核融合の問題ではない。

しかし、この論文で示されたのは、かなり優れた概念実証である、と研究チームは言う：「このコントローラーがDIII-Dで非常にうまく機能することを示す強力な証拠を得ましたが、さまざまな状況で機能することを示すには、もっとデータが必要です。より普遍的なものを目指していきたい」。

論文

• Nature: Avoiding fusion plasma tearing instability with deep reinforcement learning

参考文献

• Princeton Univerisity: Engineers use AI to wrangle fusion power for the grid
• CNN: Scientists say they can use AI to solve a key problem in the quest for near-limitless clean energy

研究の要旨

トカマク炉を用いて核融合エネルギーを安定かつ効率的に生産するためには、プラズマを乱すことなく高圧水素プラズマを維持することが不可欠である。そのため、観測されたプラズマ状態に基づいてトカマクを能動的に制御し、ディスラプションの主な原因であるテアリング不安定性を回避しながら高圧プラズマを操作する必要があります。これは、近年、強化学習に基づく人工知能が顕著な性能を示す障害物回避問題である。しかし、ここでの障害物であるテアリング不安定性は予測が困難であり、特にITERのベースラインシナリオではプラズマ運転を停止させる可能性が高い。以前我々は、複数の診断装置とアクチュエーターからの信号に基づいて将来のテアリング不安定性の可能性を推定するマルチモーダル動的モデルを開発した。ここでは、この動的モデルを強化学習型人工知能の訓練環境として活用し、不安定性の自動予防を促進する。米国最大の磁場核融合施設であるDIII-Dにおいて、破壊的なティアリング不安定性の可能性を低減する人工知能制御を実証した。この制御装置は、低安全係数と低トルクという比較的不利な条件下でも、テアリングの可能性を所定の閾値以下に維持した。特に、従来のプリプログラム制御では困難であったHモード性能を維持しながら、時間変化する運転空間内でプラズマが安定経路を能動的に追跡することを可能にした。この制御装置は、将来ITERで使用される安定した高性能運転シナリオの開発に道を開くものである。