AIが核融合を操作する力を獲得、でも待って、実は良いニュース

ある研究グループが、核融合研究に用いられる高出力プラズマ流を磁気的に制御する方法をAIに教え込んだ。だが、ちょっと待って！EMPやドライバーは忘れて。これは間違いなく良いことであり、来たるべきロボット終焉において人類に恐ろしい武器として使われるものではない。

このプロジェクトは、Google傘下のDeepMindとローザンヌ連邦工科大学（EPFL）の共同研究で、数年前、前者のAI研究者と後者の核融合研究者がロンドンで開催されたハッカソンで出会ったことがきっかけで始まりました。EPFLのフェデリコ・フェリチ氏は、自身の研究室がトカマクにおけるプラズマ維持に関して抱えていた問題について説明しました。

なんて日常的な不満でしょう！しかし、DeepMindはこれに共感し、二人は作業に取り掛かりました。

核融合研究は様々な方法で行われていますが、いずれも数億度という非常に高い温度で生成されるプラズマを伴います。危険に聞こえますし、実際危険です。しかし、トカマクは、この高温を制御し、内部で起こる核融合活動を間近に観察できる方法の一つです。トカマクは基本的にトーラスまたはドーナツ状の構造で、その中を高温のプラズマが円を描いて移動し、その経路は磁場によって厳密に制限されています。

念のため言っておきますが、これはほぼ無限のクリーンエネルギーを生み出すとよく聞くタイプの核融合炉ではありません。エネルギーを生成するわけではなく、もし突然起動したら、誰も近寄りたくなくなるでしょう。これは、不安定ながらも有望なこれらのプロセスをどのように制御し、社会に役立てることができるかを試験・観察するための研究ツールです。

特に、スイス・プラズマ・センターの「可変構成」トカマクは、プラズマリングを閉じ込めるだけでなく、その形状と軌道を研究者が制御することを可能にします。磁気パラメータを毎秒数千回調整することで、リングの幅を広げたり、薄くしたり、密度を高めたり、拡散させたり、その特性に影響を与える可能性のあるあらゆる要素を調整できます。

当然のことながら、装置の磁場の正確な設定は事前に決定しておく必要があります。なぜなら、設定を適当に決めてしまうと、深刻な損害につながる可能性があるからです。設定は、チームが長年にわたり更新を続けてきたトカマクとプラズマの強力なシミュレータを用いて行われます。しかし、フェリチ氏がEPFLのニュースリリースで説明しているように、「制御システムの各変数の適切な値を決定するには、依然として膨大な計算が必要です。そこで、DeepMindとの共同研究プロジェクトが役に立ちます。」

テッククランチイベント

サンフランシスコ | 2025年10月27日～29日

チームはまず、機械学習システムを訓練し、与えられた設定の組み合わせがどのようなプラズマパターンを生み出すかを予測し、次に望ましいプラズマパターンから逆算して、それを生み出す設定を特定するようにしました。（簡単に言えば、このようなAIアプリケーションではよくあることですが、それほど簡単に達成できるわけではありません。）

本日ネイチャー誌に掲載された論文によると、このアプローチは大成功を収めたという。

このアーキテクチャは、高レベルで規定された制御目標を満たすと同時に、物理的制約と運用制約も満たします。このアプローチは、問題の特定において前例のない柔軟性と汎用性を備えており、新しいプラズマ構成を生成するための設計労力を大幅に削減します。トカマク構成可変装置において、細長い従来型形状に加え、負の三角形や「スノーフレーク」構成といった先進的な構成を含む、多様なプラズマ構成を生成・制御することに成功しました。

モデルが生成できるさまざまな形状と構成の例を以下に示します。

これは重要な研究です。なぜなら、このようなプラズマの実験、ましてや電力源としての利用には、膨大な数（数百万単位）の微調整が必​​要であり、それらをすべて手動で設定することはできないからです。理論上、一方が他方より22%大きい2つの流れが必要な場合、「従来の」手法（誤解のないよう申し上げますが、それ自体が途方もなく複雑なデジタルシミュレーションです）を用いて、それを実現する理論的な設定を導き出すには、数週間から数ヶ月かかる可能性があります。しかし、AIならそのわずかな時間で適切な設定を見つけ出すことができ、その場で解決策を導き出すか、あるいは人間の監査人に作業の確固たる出発点を提供することができます。

人間は1、2秒以内に異常が発生する可能性のある設定を即座に変更することはできないため、安全性の観点からも重要となる可能性があります。しかし、AIは損傷を防ぐためにリアルタイムで設定を変更できる可能性があります。

DeepMindの研究者であるマーティン・リードミラー氏は、まだ「初期段階」だと認めたが、もちろんこれは科学分野におけるほぼすべてのAI応用に言えることだ。機械学習は、数え切れないほど多くの分野で強力かつ多用途なツールであることが証明されつつある。しかし、優れた科学者たちと同様に、彼らはあらゆる成功を鵜呑みにせず、より確信に満ちた次の結果を待ち望んでいる。