一組國際科學家團隊近日開發出一種能夠在核聚變反應爐內生成高度詳盡數據的人工智能，這種人工智能被稱為 Diag2Diag，實際上充當了一個虛擬傳感器。這項技術的目的是改善核聚變裝置中等離子體燃料的監測和控制，這將可能導致更可靠和經濟的核聚變發電廠的出現。Diag2Diag 的工作原理是通過分析現有傳感器的測量數據，生成新的合成數據，以便替代那些可能出現故障或反應過慢以至無法捕捉關鍵事件的傳感器。
普林斯頓大學的研究主導者 Azarakhsh Jalalvand 將這一概念比作一個人工智能在觀看無聲電影時，僅憑視覺信息生成完整的聲音效果。他指出，「我們找到了一種方法，可以從系統中的多個傳感器數據中生成合成版本的數據，供系統中另一種傳感器使用。」這項人工智能技術已經提供了新的物理見解，並為抑制邊緣局部模式（ELMs）的主要理論提供了關鍵證據，這些模式是會損壞反應爐部件的強烈能量爆發。這一理論認為，施加小的磁場能夠產生「磁島」，通過平坦化其溫度和密度來穩定等離子體，而物理傳感器無法完全觀察到這一效應。
在商業核聚變發電的開發中，這種詳細的監測是至關重要的。雖然當前的實驗反應堆在傳感器故障時可以關閉，但未來的發電廠必須持續運行。Jalalvand 提到，「如果我們考慮核聚變作為能源來源，它必須 24 小時不間斷地運行。」這項技術還帶來了顯著的經濟和設計優勢。通過減少對多個物理傳感器的需求，未來的核聚變反應堆將變得更緊湊、更簡單，建造和維護成本也會降低。項目主要研究員 Egemen Kolemen 表示，「Diag2Diag 就像是為您的診斷提供了一次升級，而無需額外花費硬件費用。」
這個團隊還建議，這項人工智能技術可以應用於其他領域，例如增強太空船或機器手術中的傳感器數據。隨著人工智能在改善核聚變技術方面的應用日益增長，全球各地的研究者們都在探索其潛力。最近，中國的研究人員創建了兩個新的人工智能系統，以極高的準確性預測等離子體故障，從而提高核聚變能源實驗的安全性和效率。這些系統在測試中達到了 94% 的早期檢測成功率，能夠在干擾發生前約 137 毫秒發出警告，使操作員有寶貴的時間進行應對。
此外，洛倫斯·利弗莫爾國立實驗室的科學家們使用人工智能模型預測核聚變實驗的結果，準確率達到 74%。來自美國能源部普林斯頓等離子體物理實驗室（PPPL）和橡樹嶺國立實驗室的研究團隊還開發了一種名為 HEAT-ML 的新型人工智能驅動方法，能夠保護核聚變反應堆免受等離子體產生的極端熱量影響。這些進展顯示出人工智能在推進核聚變技術方面的潛力，未來有望實現更高效和安全的核聚變能源。
