另一个问题是：为了保持对托卡马克内部等离子体的控制，控制算法必须能够做出极快的决定，在短短几秒钟内对磁场进行调整 。但许多人工智能系统在如此高速的环境下需要很长时间才能做出预测 。
为此，该团队先训练了一个大型神经网络，它可以对磁场的变化如何塑造等离子体进行长程预测（longer-term prediction） 。
然后用这个网络来训练一个远小得多的系统，学习执行第一个网络所推荐的决策的最佳方法 。
这个较小的网络能与托卡马克控制系统直接交互，在不到50微秒（50百万分之一秒）的时间内做出决定 。
最后，作者表示，虽然这个成果意义非凡，但只是朝着人类实现可控核聚变迈出了一小步 。
比如实现一秒钟的实时运行需要模拟托卡马克数小时的时间，而它的条件每天都可能发生变化，算法还需各方面改进 。
此外，还要看现在这个系统能否转移到更大的托卡马克装置中 。
聚变能源何时实现商用还很难说，但DeepMind断言，人工智能可以加速这一过程 。
不知道它能否再次像AlphaFold一样，在核聚变领域实现惊艳全世界的新成果 。
拭目以待 。

• IT|研究发现大脑炎症与睡眠障碍和阿尔茨海默病有关
• 科学探索|科学家研发毫米级机器人 可实现人体内靶向给药
• 科学探索|野生蝙蝠被发现可在4年后识别跟食物奖励相关的铃声
• 科学探索|盘点大自然6种能使身体部位再生的动物
• 科学探索|中国空间站的光学舱：巡天空间望远镜预计2024年投入科学运行
• 科学探索|科学家发现了本质上不会衰老的物种
• 科学探索|问天实验舱器箭组合体今天进行垂直转运
• 科学探索|新研究揭示了大象是如何避免癌症的
• 科学探索|一种新开发的抗生素被发现可以杀死耐药性细菌
• 科学探索|增材纺织法造出人工心室模型