プラズマ物理学：制御された核融合プラズマの破壊的不安定性を深層学習によって予測する
Nature 568, 7753 doi: 10.1038/s41586-019-1116-4
磁場閉じ込め方式のトカマク型核融合炉が供給する核融合電力は、持続可能でクリーンなエネルギーとして有望である。ディスラプションと呼ばれるこうした核融合炉内部の大規模なプラズマ不安定性を避けることは、ディスラプションによって発電が停止し、主要な部品が損傷することがあるため、最も差し迫った課題である。ディスラプションが特に有害となるのは、プラズマを加熱するために注入するよりも多くの電力を核融合から生み出す最初の核融合炉を目指して、数十億ドルを投じて現在建設中の国際熱核融合実験炉（ITER）計画などの大型の燃焼プラズマ系である。本論文では、深層学習に基づくディスラプションの予測法を示す。今回の方法は、第一原理に基づく方法や古典的な機械学習法などのこれまでの戦略の能力を大幅に拡張している。具体的には、この方法では、訓練を行った核融合炉以外の核融合炉に対しても信頼性のある予測が得られる。これは、ディスラプションの訓練ができないような将来の大型核融合炉にとって、重要な必要条件である。今回の方法は、高次元の訓練データを利用して予測能力を高めると同時に、最大規模のスーパーコンピューティング資源も確保することで精度と速度を改善している。米国のDIII-Dと英国にある欧州トーラス共同研究施設（JET）という最大級のトカマク型核融合炉の実験データで訓練を行った我々の方法は、長い警告時間を伴う予測などの特定のタスクにも適用できる。これは、受動的なディスラプション予測から能動的な核融合炉の制御と最適化への移行に可能性を開くものである。こうした初期の結果は、深層学習が、核融合エネルギー科学と、より一般的には複雑な物理系の理解と予測の進展を加速させる可能性を例証している。
