AI 핵융합용 플라즈마 제어

EPFL과 구글 딥마인드(DeepMind)는 함께 심층 강화 학습을 기반으로 한 새로운 플라즈마 자기 제어 방법을 개발, SPC 토카막(tokamak) 연구 시설인 TCV에서 처음으로 실제 플라즈마에 적용했다.

연구는 네이처(nature) 저널에 16일(현지시각) 게재됐다.

EPFL의 Swiss Plasma Center(SPC)는 플라즈마 물리학 및 플라즈마 제어 방법에 대한 수십 년의 경험을 보유하고 있다.

토카막은 핵융합 연구를 수행하기 위한 도넛 모양의 장치이며 SPC는 세계에서 몇 안 되는 연구 센터 중 하나다. 이 장치는 강력한 자기장을 사용하여 플라즈마를 극도로 높은 온도(섭씨 수억 도, 심지어 태양의 핵보다 더 뜨거운 온도)에서 가두어 수소 원자 사이에서 핵융합이 일어날 수 있도록 한다. 핵융합에서 방출된 에너지는 발전에 사용하기 위해 연구되고 있다.

SPC의 tokamak을 독특하게 만드는 것은 다양한 플라즈마 구성을 허용하므로 TCV(variable-configuration tokamak)라는 이름을 사용할 수 있다는 것이다. 이는 과학자들이 플라즈마를 제한하고 제어하기 위한 새로운 접근 방식을 조사하는 데 사용할 수 있음을 의미한다. 플라즈마의 구성은 장치의 모양 및 위치와 관련이 있다.

토카막은 전압을 주의 깊게 제어해야 하는 일련의 자기 코일을 통해 플라즈마를 형성하고 유지한다. 그렇지 않으면 플라즈마가 용기 벽과 충돌하여 열화될 수 있다. 이를 방지하기 위해 SPC의 연구원들은 TCV tokamak에서 사용하기 전에 시뮬레이터에서 제어 시스템 구성을 먼저 테스트한다.

SPC 과학자이자 이 연구의 공동 저자인 Federico Felici는 “우리 시뮬레이터는 20년 이상의 연구를 기반으로 하며 지속적으로 업데이트된다”며 “그렇더라도 제어 시스템의 각 변수에 대한 올바른 값을 결정하려면 긴 계산이 여전히 필요하다. 바로 여기에서 DeepMind와의 공동 연구 프로젝트가 시작된다”라고 말했다.

플라즈마를 제자리에 유지하고 모양에 영향을 주기 위해 다양한 자기 코일로 둘러싸인 플라즈마를 포함하는 TCV 진공 장치 3D 모델. credit: DeepMind, SPC/EPFL.

DeepMind의 전문가들은 특정 플라즈마 구성을 생성하고 유지할 수 있는 AI 알고리즘을 개발하고 SPC의 시뮬레이터에서 훈련했다. 여기에는 먼저 알고리즘이 시뮬레이션에서 다양한 제어 전략을 시도하고 경험을 수집하는 것이 포함된다. 수집된 경험을 기반으로 알고리즘은 요청된 플라즈마 구성을 생성하기 위한 제어 전략을 생성했다. 여기에는 먼저 알고리즘을 여러 다른 설정을 통해 실행하고 각 설정에서 나온 플라즈마 구성을 분석하는 작업이 포함됐다. 그런 다음 알고리즘은 올바른 설정을 식별하여 특정 플라즈마 구성을 생성하는 다른 방식으로 작동하도록 했다.

훈련을 받은 후 AI 기반 시스템은 두 개의 개별 플라즈마가 장치에서 동시에 유지되는 것을 포함하여 광범위한 플라즈마 모양과 고급 구성을 생성하고 유지할 수 있었다. 마지막으로 연구팀은 실제 조건에서 어떻게 작동하는지 확인하기 위해 새로운 시스템을 tokamak에서 직접 테스트했다.

SPC와 DeepMind의 협력은 Felici가 회사의 런던 본사에서 열린 해커톤에서 DeepMind 과학자들을 처음 만났던 2018년으로 거슬러 올라간다. 그곳에서 그는 자신의 연구 그룹의 토카막 자기 제어 문제를 설명했다. Felici는 “DeepMind는 핵융합과 같은 분야, 특히 토카막과 같은 실제 시스템에서 AI 기술을 테스트할 가능성에 즉시 관심을 보였다”고 말한다.

DeepMind의 제어 팀장이자 이 연구의 공동 저자인 Martin Riedmiller는 “우리 팀의 임무는 복잡한 동적 환경에서 처음부터 완전히 학습할 수 있는 차세대 AI 시스템(폐쇄 루프 컨트롤러)을 연구하는 것이다. 현실 세계의 융합 플라즈마는 극도로 도전적이고 복잡하지만 환상적인 기회를 제공한다”고 설명했다.

Felici와 대화한 후 DeepMind는 SPC와 협력하여 토카막용 AI 기반 제어 시스템을 개발할 것을 제안했다.

DeepMind의 선임 연구 엔지니어이자 이 연구의 공동 저자인 Brendan Tracey는 “SPC와의 협력을 통해 강화 학습 알고리즘을 개선하고 결과적으로 융합 플라즈마에 대한 연구를 가속화할 수 있다”고 말했다.