Kamis 17 Feb 2022 15:20 WIB

Kecerdasan Buatan Berhasil Kontrol Reaktor di Matahari Artificial

Google berhasil membuat AI yang bisa mengontrol energi fusi.

Rep: Meiliza Laveda/ Red: Dwi Murdaningsih

Foto:

Untuk memajukan ide ini, yang dibutuhkan hanyalah pakar AI dan tokamak. Untuk makalah baru, tim AI berasal dari divisi DeepMind Google mulai pekerjaan dari pelipatan protein hingga StarCraft dan tokamak berasal dari Pusat Plasma Swiss di EPFL di Lausanne.

Karena mengatur AI pada perangkat keras yang sebenarnya selama proses pelatihan dapat menimbulkan bencana, tim mulai dengan simulator tokamak khusus untuk perangkat keras Swiss Plasma Center. Mereka memprogram batasan ke AI yang mencegahnya mengarahkan plasma ke konfigurasi di mana simulator menghasilkan hasil yang tidak akurat.

DeepMind kemudian melatih program deep-reinforcement-learning untuk mencapai berbagai konfigurasi plasma dengan membiarkannya mengontrol simulator. Selama pelatihan, lapisan perangkat lunak yang mengintervensi menyediakan fungsi penghargaan yang menunjukkan seberapa dekat sifat plasma dengan keadaan yang diinginkan.

Pekerjaan yang berhasil

Dikutip Ars Technica, perangkat lunak yang dihasilkan berkinerja cukup seperti yang Anda inginkan ketika dilepaskan pada perangkat keras. Perangkat lunak ini dapat mengontrol proses eksperimental yang menargetkan kondisi berbeda dari waktu ke waktu. Dalam satu kasus uji, perangkat lunak ini meningkatkan energi, menjaga plasma tetap stabil, mengubah geometri plasma, dan memindahkan plasma di dalam tokamak sebelum menurunkan energi kembali.

Makalah yang menjelaskan pekerjaan ini memiliki daftar besar hal-hal yang dibutuhkan penulis. Daftar itu mencakup simulator tokamak yang cukup detail untuk menjadi akurat tetapi cukup ringkas untuk memberikan umpan balik yang cepat untuk memungkinkan pembelajaran.

Orang-orang di balik pekerjaan ini juga bersemangat tentang apa yang mungkin menjadi pertanda untuk pekerjaan di masa depan. Mereka menyarankan memberikan iterasi perangkat lunak ini konfigurasi plasma yang diinginkan dan membiarkannya mengidentifikasi geometri perangkat keras yang memungkinkannya untuk membuatnya. Secara alternatif, ini bisa mengoptimalkan kinerja perangkat keras yang ada.