科技-Google用演算法參戰「人造太陽」競賽!
只能夠駕馭讓太陽產生能量的核融合反應,就能擁有取之不盡的乾淨能源。然而,要產生穩定的核融合反應並不容易,需要精準控制幾乎數不清的條件,科學家已經為此實驗超過數十年。
為了加快研究進行,擁有強大計算能力的Google Research和核融合公司Tri-Alpha Energy的合作,已經成功濃縮實驗時間、減少過程中50%的能量消耗,也讓我們距離擁有「人造太陽」更靠近一步了。
演算法結合電腦學習和人類判斷
核融合反應是藉由兩個氫原子結合成一個原子的過程中,所釋放的大量能量,不過由於氫原子本身都帶有正電,因此必須給予極高的溫度和壓力才能讓原子彼此接近。不僅如此,核融合的物理特性包含非常多非線性現象,光是細微的改變就可能造成巨大改變,且需要考量的變數幾乎數不清,也讓研究人員要控制實驗過程相當困難。
這時候,便需要Google的計算能力,不過,複雜性極高的核融合實驗,就連Google的計算能力都無法勝任。「所有事情都遠超乎我們所知的一切,儘管是在Google規模的電腦資源下。」Google軟體工程師Ted Baltz表示,因此,他們決定結合電腦學習和人類判斷。
Google演算法如何幫上忙?
Google開發出一套名為「Optometrist」的電腦演算法,先模擬不同變數組合下可能產生的結果,再讓人類專家依照經驗選擇較容易成功的組合,由於不需要真正手動進行每次的實驗,也顯著縮短實驗需要時間。「如果少了高等電腦計算能力,要得出這樣的結果需要耗上幾年的時間。」Baltz說。
Baltz指出,他們將問題簡化為:「讓我們試著找出等離子體(核融合元素之一)專家對哪些現象感興趣,而且我們進行時不會弄壞那些機器。」「這就是人類和電腦合作達到更好結果的最佳示範。」他說。
研究成果發表在Scientific Reports期刊上。最終,他們成功將一般來說需要一個月時間的實驗,縮短至只需幾小時。另外,雖然過去已能成功在實驗室中進行核融合反應,但需要輸入的能量高於輸出能量,而這次的研究也有效降低50%的能量消耗,讓實驗後產生的總能源因此增加,離能產生「正能量流」的核融合反應技術更靠近。
![](https://pic.pimg.tw/zzuyanan/1488615166-1259157397.png)
![](https://pic.pimg.tw/zzuyanan/1482887990-2595557020.jpg)
※Google終止即打即搜功能,加入災害通報與影音自動播放新招
※亞馬遜創始人貝索斯首次超越蓋茨 當全球首富僅半日
※擴展辦公環境 Google再斥資8.2億美元收購矽谷精華地段
※Enterprises高層Meg Whitman擔任新執行長
※未來人腦可被複制嗎?相關軟硬體演進史大解析
TAG:持久戰 |
※人工智慧–Autoencoder演算法
※人工智慧–K-Means演算法
※人工智慧–Apriori 演算法
※Adaboost演算法及python實戰
※Google Medic全面核心演算法更新
※使用Caicloud TaaS 平台落地深度學習演算法實戰
※Facebook開源「Detectron」,用於AR研究的計算機視覺演算法!
※Google打造「死亡演算法」
※慕尼黑工業大學以演演算法計算《Game of Thrones》各角色死亡機率
※勝者為王!DeepMind新演算法助Waymo加速模型訓練
※人工智慧–Q Learning演算法
※K-means演算法優化
※用Python 實現的機器人演算法示例集合——PythonRobotics
※點擊參賽!歡迎參加 TalkingData 全球廣告反欺詐演算法大賽
※Deep Forest 演算法解讀
※ClickHouse如何結合自家的GNDT演算法庫CatBoost來做機器學習
※攻擊AI模型之DeepFool演算法
※AlphaGo演算法再思考
※Tile-based Optical Flow 演算法流程與基本思想
※利用搖滾樂隊學習TensorFlow,Word2Vec模型和TSNE演算法