Google機器學習演算法可以幫助加速將核聚變發電的研究

Tri Alpha Energy公司面臨的挑戰是，其等離子體研究的巨大實驗複雜性涉及到許多變數，因此迫切需要一些高級計算網路來幫助處理數據。但事實證明，Google也沒有計算資源來解決這個問題。

Google加速科學團隊的Ted Baltz解釋道：「現實情況要複雜得多，因為離子溫度是電子溫度的三倍，所以等離子體不能達到熱平衡，而液體也幾乎是無效的，所以你必須追蹤至少一些的的萬億+單個粒子，整個事情是超出了我們計算機資源能做的範圍。」

隨後團隊開發了一個獨特的解決方案，被稱為融合人與機的「驗光師演算法」（Optometrist Algorithm）。該演算法向人類專家提供了連續的可能結果，並且讓專家們使用他們的判斷來選擇以進行後續實驗。

「所以我們把這個問題解決了，讓一個專業的人類等離子體物理學家找到認為有趣的等離子體行為，而且當我們這樣做時不會破壞機器，」Baltz說。

將這種技術納入Tri Alpha Energy的實驗過程使這項研究取得快速進展。 《科學報告》雜誌上發表的一項新研究顯示，該技術意外地使團隊的能量損失率降低了50％，並且Tri Alpha Energy的場反轉配置(FRC)等離子體發生器中離子溫度和總的等離子體能量的同時增加。

Tri Alpha Energy總裁兼首席技術官Michl Binderbauer表示：「如果沒有先進計算的力量來快速擴展我們對等離子體複雜性能的理解，這樣的問題可能需要數年時間才能解決。」

Google和TAE將繼續就這款新型等離子發生器進行實驗合作，Binderbauer認為他們在十年內可以實現核聚變發電。