在「AI for Science」的版图上，蛋白质折叠之后最受瞩目的一块，可能是核聚变。2022 年 2 月，DeepMind 与瑞士洛桑联邦理工学院（EPFL）合作在《Nature》发表了一项让聚变学界侧目的成果：一个深度强化学习控制器成功稳定了托卡马克装置中的等离子体——这个温度上亿度、比太阳核心还热的物质态，由一个神经网络以每秒一万次的频率实时驾驭。论文标题里的「magnetic control」四个字，点出了聚变研究里一个长期被低估的环节：约束等离子体的能力，正在成为 AI 改造聚变工程的第一个切口。本文讲清这条路线的全貌：控制难在哪、强化学习方案怎么设计、实验成绩单，以及它通往 ITER 时代的路径。先把结论放在前面：这不是一篇「AI 将解决能源问题」的狂想，而是一个方法已经完整跑通、正在向更大装置推广的工程故事——它的每个环节都有实验数据背书，也因此更值得认真对待。
一、为什么控制是聚变的隐形瓶颈
托卡马克是最主流的磁约束聚变装置：一个环形真空室，用磁场把上亿度的等离子体悬浮在中间——任何接触器壁的瞬间，等离子体就会冷却、熄灭。这个「无法装进任何容器」的特性，正是磁约束的根本原因：没有任何材料能承受聚变所需的温度，唯一的「容器」是磁场本身，用带电粒子在磁场中绕线运动的性质把它们兜在环里。
磁场不是静态的：等离子体是流动的带电流体，会晃动、形变、挣扎，必须由一组控制线圈持续实时地调整磁场来「捧」住它。控制难度随位形的野心指数上升：越是有利于聚变性能的等离子体形状（更高的拉长比、更贴近器壁的定制位形），垂直不稳定性越强，失控的时间尺度短到毫秒级——控制系统的响应速度与精度直接决定实验能不能做。
传统控制方案的痛点在于架构与工作量。传统上这是一套嵌套结构：前馈控制打底，再叠多个独立的 PID 控制器分管电流、位置、形状，靠「实时平衡重建」不断估算等离子体状态——每个新实验位形（等离子体的形状与参数组合）都需要控制工程师重新设计调校这套多回路系统。而聚变研究恰恰需要大量尝试新位形：探索更高拉长比、新型偏滤器结构，每一轮都是数周的工程。更根本的限制是某些现代位形用传统架构根本难以实现——控制器设计本身成了实验的瓶颈。这是「把控制交给学习」的动机：不是传统控制做不到，而是学出来的控制器可以让科学家直接说「我要什么形状」，跳过「怎么控制」的设计环节。
二、方案：一个网络直控 19 个线圈
DeepMind 与 EPFL 等离子体中心合作，在瑞士的 TCV 托卡马克（Tokamak à Configuration Variable，「可变位形托卡马克」，名字就说明它是为位形实验而生）上做了这件事。方案的骨架可以拆成三层。
控制架构：单个神经网络策略直接向 TCV 的全部 19 个控制线圈输出电压指令——用端到端学习取代了「前馈 + 多 PID + 平衡重建」的嵌套结构。策略是一个四层前馈网络（每层 256 单元，约 26.6 万参数），推理在 50 微秒内完成，满足 10 kHz 的实时控制要求。部署方式也很工程化：网络先在常规控制器手中「交接」（handover）接管等离子体，上线后不再调整权重。
训练方法：在模拟器里学。模拟器基于 Grad–Shafranov 平衡方程与集总电路模型，能自由边界地演化等离子体；训练用 MPO（maximum a posteriori policy optimization）actor-critic 算法，并做了一个值得注意的非对称设计——actor 是小而快的网络（负责实时输出），critic 是带 LSTM 的大网络（约 71.8 万参数，负责评估），实验显示非对称设计显著优于对称设计。这个非对称性不是工程凑合，而是任务性质决定的：actor 的输出要走 10 kHz 的实时回路，参数预算必须向「小而快」倾斜；而「评估当前状态好不好」的 critic 没有实时约束，可以放心做大、甚至用 LSTM 吃进历史序列来感知等离子体的动态趋势——快慢分工，各取所长。训练还对等离子体电阻率、压力参数 βp、安全因子 qA 等做了域随机化，并显式避开模拟不可靠的区域（learned-region avoidance）——这套组合拳的目标只有一个：零样本迁移，模拟里学到的策略直接上真机，不做任何实机微调。算力侧的配置是单学习器（TPU）搭配约 5000 个并行模拟器，训练 1–3 天。
三、成绩单：从稳住到「没必要稳住」
论文的实验结果分两层。基础控制层：对等离子体电流、垂直位置与形状的全程控制，电流误差（RMSE）0.62 kA、形状误差 0.75 厘米，优于设定阈值；成功稳定了垂直不稳定性增长率超过 1.4 kHz 的高拉长比等离子体（拉长比 1.9）——这是传统控制最头疼的场景之一；还复现了 ITER 计划采用的位形，并在中性束加热进入高性能约束模式（H 模）后维持控制。
这些数字在聚变语境里的分量可以这样理解：形状误差以厘米计的等离子体，意味着磁场「手」的稳定度足以让实验物理学家把以前不敢设想的位形直接排进实验日程——控制从「能不能稳住」变成了「想不想要」。这正是下一层实验存在的原因。
探索层更能说明学习式控制的价值：实现了负三角形的偏滤器位形与「雪花」位形，并跟踪了 X 点间距从 34 厘米到 6.6 厘米的时变过程；最有趣的演示是首次在同一容器内持续维持两个独立的等离子体「液滴」各 200 毫秒，并对各自电流分别爬升控制——两个等离子体同时存在意味着磁场要同时「捧」住两团互相影响的流体，这对传统控制设计几乎不可想象，对学习式控制只是一次重新设定目标。论文还记录了涌现行为：只给位置与电流目标时，策略自主构造出低拉长的稳定圆截面——它学会的比要求它做的更多。
四、意义与边界：通往 ITER 的一条软件路线
这项工作被作者团队称为强化学习迄今应用过的最复杂真实系统之一，其意义可以拆成三层。对聚变研究：控制设计从「如何控制」转向「要达到什么目标」，新位形的实验周期从数周的控制工程压缩到重新训练——而训练只要 1–3 天；对 ITER 这类巨型装置的形状控制、以及在设计新装置之前用模拟预评估其可控性，都打开了路线。对 AI4Science：它证明了一个关键命题——基于物理方程的模拟器具有足够保真度，学出来的策略可以零样本迁移到真实硬件；这条「模拟器 + 域随机化 + 非对称 actor-critic」的方法论，正在成为高 stakes 实时控制的通用模板。值得把它与本站此前的蛋白质设计放在一起看：AlphaFold 与 RFdiffusion 解决的是「预测与生成」（输出一个答案），聚变控制解决的是「实时决策」（每 50 微秒输出一个动作）——前者是离线推理，后者是闭环控制，两者合起来基本覆盖了 AI4Science 的两种范式。对聚变产业：随着一批私营聚变公司把首台堆级装置提上日程，控制系统的迭代速度正在成为竞争力变量——2024 年后美国能源部实验室也已用强化学习处理等离子体的撕裂不稳定性等难题，这条路线在持续延伸。
边界同样要说清：这项成果控制的是实验装置里的等离子体位形，不是「实现聚变点火」——能量增益取决于等离子体物理、材料与工程的整个链条，控制只是其中一环；策略在模拟器里训练，模拟器的保真度边界（论文作者显式避开的区域）仍是能力的边界；而聚变级装置的更大规模、更长脉冲，会给学习式控制提出新的稳定性证明要求。把 AI 控制说成「聚变的钥匙」是过誉，说它是「把聚变实验迭代速度提高一个量级的软件杠杆」，是站得住的。对关注这个领域的读者，一个务实的心态是把它放进 AI4Science 的谱系里看：蛋白质结构预测（AlphaFold）、天气预测（GraphCast 类）、等离子体控制——这三个里程碑的共同点是「模拟器或数据足够好，AI 就能在真实科学里当主力」，而聚变控制是三者中唯一要求毫秒级闭环的，它的成功把这条谱系的边界又推宽了一格。
结语
核聚变的叙事通常围绕磁体、激光与燃料循环，这项成果提醒我们还有一条不起眼的软件战线：在人类造出更好的硬件之前，先把已有硬件的潜力用满。一个神经网络以每秒一万次的速度捧着上亿度的等离子体，还能同时捧住两个——这件事的示范意义超过任何单项指标：当控制设计从手艺变成训练，聚变实验的试错成本就不再是天花板。ITER 时代需要的成千上万次位形实验，也许正需要这样的杠杆。
读者留言
COMMENTS 暂无还没有留言，来说第一句？