百科问答小站 logo
百科问答小站 font logo



如何评价 DeepMind 发表在 Nature 上的使用深度强化学习对托卡马克等离子体进行磁控制? 第1页

  

user avatar   geeking-lcq 网友的相关建议: 
      

除了这篇文章,DeepMind在过去十二个月里已经发了7篇Nature/Science了:

Advancing mathematics by guiding human intuition with AI

Alex Davies, Petar Veličković, et al. Nature 2021

Skillful Precipitation Nowcasting using Deep Generative Models of Radar

Suman Ravuri, Karel Lenc, et al. Nature 2021

Enabling high-accuracy protein structure prediction at the proteome scale

Kathryn Tunyasuvunakool, Jonas Adler, et al. Nature 2021

Highly accurate protein structure prediction with AlphaFold

John Jumper, Richard Evans, et al. Nature 2021

Control of mental representations in human planning

M Ho, David Abel, et al. Nature 2021

Reward is Enough

David Silver, Satinder Baveja, et al. Nature 2021

Pushing the Frontiers of Density Functionals by Solving the Fractional Electron Problem

P Mori-Sanchez, Alex Gaunt, et al. Science 2021

可以看出涉猎范围非常之广,数学、物理、生物、化学无所不包,这样印证了DeepMind想要重构一种自然研究新范式的雄心。

然而,值得思考的是,为什么国内没有任何一家高校或公司做出来与之媲美的成果,从人员角度来讲,国内AI的水平在世界上也是相对较高(大概仅次于美国?)的,基础科学中有一部分也走在前沿,为啥就是出不来成果。

高校角度来看,学界并不是没有人意识到AI for Science的潜力,相反,17年我在中科大的时候,就认识同学在和科大物理系做聚变方面的合作,但是最终没有太多成果出来。私以为比较重要的原因是团队架构不合理:我了解到的跨学科的合作,大多是以甲方-乙方这类关系构建的,双方并没有真正紧密合作在一个team里。一方面基础学科的研究者只把AI当做工具,只是一种奇技淫巧,另一方面AI的研究者也不是那么尊重基础科学,只了解一下输入输出,然后就去拟合,不会深入了解细节。

企业角度来看,国内AI Lab不少,各路各行业大牛小牛也不可谓不多,一定程度上解决了团队的问题。然而在KPI的压力下,都没有办法持续投入去做AI for Science。最大的原因就是这玩意短期根本不可能落地,换言之赚不了钱。虽然各大Lab宣传的时候言必”重视基础科学“,”注重长期主义“,但是身体却是很诚实。即使对于较为注重research的各大Lab,能用于投入做一项研究的时间也不过1~2年甚至更短,这段时间做不出来,对不起325伺候。 因此,这些机构很少能做出3年以上的长期规划(刨去量子实验室这类特例)。


不论如何,就我眼力所见,还是有不少高校/企业的实验室在做出努力也取得了一定成果,希望公众、各大公司高层都能多给他们一些耐心,一个国家还是需要一些摘星星的人。


user avatar   wanglei520 网友的相关建议: 
      


user avatar   yu-kun-25-50 网友的相关建议: 
      

很漂亮的成果,但个人意见是它更像是作为AI研究而非聚变研究上的nature。

研究的大致内容是在瑞士的中型托卡马克装置TCV上,通过DeepMind生成了一套控制垂直场线圈电流,进而控制平衡态放电位形的算法。听起来是AI+聚变,非常高大上,但撇去这些噱头,实际对聚变工程的作用主要是

  1. 控制放电的自动化程度更高了一些
  2. 可以提高一些较为复杂的位形的稳定性

现阶段的成果看起来还局限在用AI替代此前放电时工作人员积累的经验的阶段。尤其AI需要喂大量数据,而能产生大量平衡态的数据去喂AI基本就说明之前积累的经验也差不多可以稳定放电了……当然作为一个初期的探索性成果,也不能在物理或工程上给它太高的要求,此后如果可以把它的应用拓展到探索新的运行模式上,这套算法对聚变行业的意义就会更大一些。

当然TCV这个装置的设计本身就很极端,它的主要卖点是有多达16个可以控制等离子体位形的垂直场线圈(作为对比,很多小装置只有2~4个垂直场线圈,ITER也只有6个),真空室的几何形态也更接近球托卡马克(虽然它是个托卡马克),所以它在等离子体位形上可以玩出很多花样。这里可以看他们的宣传图

这一系列放电位形在其它装置上想要稳定维持肯定不会像在TCV上那样容易,毕竟没有那么多垂直场线圈,这也使得TCV在测试各种等离子体位形上拥有很大的优势。这个装置本身的任务也主要聚焦在探索各类等离子体位形上,参照其官网上的介绍

The mission of theTCV tokamak is to apply its highly specialized plasma shaping capability to develop new plasma configurations and plasma shapes.

所以说DeepMind找到TCV合作是非常自然的一件事,这次上Nature的机会没落到国内装置头上估计也不是什么心态问题,而是装置的定位本身就不大适合……


user avatar   cxpm 网友的相关建议: 
      

这个人工智能应用真心非常牛逼。

DeepMind用了一个深度增强学习系统,即Deep reinforcement learning (RL), 用于自动控制托卡马克Tokamak (TCV)里的等离子流,实验地点在瑞士洛桑的瑞士洛桑联邦理工学院,实验主要在模拟环境下成功进行。

托卡马克Tokamak (TCV)

托卡马克是一个用来做核聚变反应的容器,特点是里面有极端的高温,运行的时候内部世界是一片混乱:

  1. 氢原子在比太阳表面还高的极高温下旋转翻滚,内部形成一锅极高温的等离子汤。
  2. 等离子汤里的粒子,必须被磁场线圈约束。经过控制和约束的等离子体才能达到核聚变的条件。
  3. 等离子体千变万化,变化速度极快,如何进行控制和约束是成功实现核聚变的关键。
托卡马克示意图,

托卡马克Tokamak (TCV)内部是这样的:

托卡马克Tokamak (TCV)内部图像

DeepMind的成果是让人工智能算法控制和改变虚拟反应堆内的离子体形状。在前期训练中,科学家们们用强化学习算法在模拟环境中试运行并监测和操控磁场。训练结束,AI就可以控制托卡马克中的磁体,通过磁体控制等离子流塑形。

左:托卡马克外表,中:3D建模的容器和线圈 右:内部结构

本次实验中,算法既能让等离子体保持稳定,也能根据需求将等离子体变换成目标形状,即离子流塑型“plasma sculpting”。

左托卡马克内部图像 右:等离子流的状态重构

牛逼的地方是,经过训练的人工智能神经网络,不需要调什么参,就能处理每秒90次的测量值获取等离子体的形状和位置,AI会相应调整磁体中的电压,达到控制等离子体的目的,调整的结果多种多样,下图是一些等离子体的形状,动图放不下,大家可以去Accelerating fusion science through learned plasma control自取。

系统的架构还非常简单,使用单个神经网络一次性控制所有线圈。系统自动从传感器获取信息,学习推出最佳电压后直接进行控制,比原来的多子系统分立预测和控制线圈简单多了。

也就是一旦训练成功,算法可以自动控制核聚变中的重要一环。

人工智能是计算机技术的前沿,核聚变是清洁能源的顶级目标,这个跨界成果绝对是AI+应用的最牛逼场景之一。

DeepMind已经证明人工智能在加速科学进步方法的潜能,我们在生物学、化学、数学和现代物理学中正在开辟全新的研究途径。 DEMIS HASSABIS ,DeepMind 的CEO.

最后,原文大家自取。高端的食材,往往只需要最简单的烹调,这论文文字图片简洁明了,我这个一半外行也能基本看明白。

Magnetic control of tokamak plasmas through deep reinforcement learning - Nature


user avatar   lou-chen-feng-53 网友的相关建议: 
      
学校说让我休学或者退学 原因是觉得领证结婚的学生不好管理 除非我去办离婚证 才能让我正常上学

题主说“学校说“,没具体写明是谁说,也没具体写明是哪个部门说,有可能就是某个办事的人说的。建议先沟通,至少要把学校里有话语权的人和部门都沟通到。

我举个例子:有个学生大二了想退学生会,学生会负责办理的人说:退会需要写一份不少于8000字的申请书(或者是其他什么刁难的条件),否则不允许退会。这个学生就觉得退会太难办了,每天发愁。

另一个同学也想退会,也遇到了同样的问题。但他没有发愁,反而觉得通过办这件事可以锻炼自己解决问题的能力。咱不惹事情,但事情找到自己头上了,躲就不是办法了。他挺高兴,有这么一个事情需要自己去办。如果连这点小事都办不了,以后走向社会遇到的难办的事情岂不更多嘛。于是他和和气气地离开了学生会办事人员那里,然后去找学生会会长沟通。

学生会会长出于维护自己手下办事人员权威的角度考虑,也让他按要求写8千字。

他和和气气地离开,去找辅导员了。路上他想着:辅导员办不成就找系里、院里……系里院里还办不成就找校方负责部门,比如校团委。再办不成就找负责部门的负责人、再办不成就去找学校纪委、党委,再办不成就找书记、校长……

他就像完成一份论文一样做着前期谋划,结果还没找到系里,辅导员就帮他协调着退会了,只写了几百字的退会申请。

回到题主的问题里来,学校里从下到上这多人和部门都算是“校方”吗?题主说“学校”让她休学,到底是学校里一个小办事员说的,还是从下到上都这么说?是不是底层办事人员懒政搞一刀切?是不是校方中层、高层都根本不知道此事?这些都要弄清楚啊。

题主可以逐层和校方沟通,估计沟通到某一层次就解决了。如果真的一直沟通到顶层的校长和书记也没搞定的话,那么才能真正视为:“学校让你休学”。

不要害怕和学校高层沟通,都让你休学了,没啥害羞和害怕的,对你来说这么大的事件,就算每天在校长办公室门口堵他,也得争取到和校长沟通的机会。也许这在校长眼里就不算个事儿,他给下面打个电话,你的烦恼就全都消失了。记得和各层次人员沟通时都要注意保留证据比如录音等。

沟通时要观察对方是什么样的人,如果是忠厚老实的,你就多多卖惨卖可怜;如果一看就是官僚气十足的话,可以用一点小手段,比如问他:“您真的没办法了吗?唉……咦?旁边办公室是不是领导的屋?我去找领导是不是能帮我?”如果一看对方就是欺软怕硬的,可以问他:“我实在没办法了,您说我可不可以求助媒体和记者?您再给帮我想个办法吧,对了,您说我打市长热线能解决吗?"。简单来说,小手段就是以低姿态让对方无法立刻翻脸的前提下表达出威胁对方的话语。当然,对于大学生来说,社会经验不足,也许无法识别出对方是什么性格的人,那么就按提前做的对话草稿,把想说的话统统说了,姿态要低,毕竟你是学生,对方代表学校。态度要好,不要发火,要把困难看成学习上的一道难题来慢慢解。

一般来说校方不会和你一个学生死磕到底的,此时学校就会让步。为啥会这么说,因为穿鞋的都怕光脚的,你都要被退学了,你怕啥,学校才怕你这种不稳定因素呢。(再送题主一个小手段吧,哭!女性哭起来很有杀伤力的,在校领导办公室哭!声音呜咽凄惨,越大越好,越有别人来找领导签字时越哭,门外越有人等的时候越要痛哭着离开,让大家四目、不,六目、八目相对……然后平静一下,抽冷子再去领导屋继续谈。让女生哭着离开办公室,对校领导的风评是有损的,很容易传闲话,校领导坐不住的。啥?校长是女的?那书记呢?不可能班子成员都是女的。)

如果学校还是不让步(就算校长犯昏,别人也不劝他?学校法务干啥吃的?办公室主任干啥吃的?他们早都给领导点明后果了。),那就真的要在各大网络平台发帖了。帖录音、帖录音整理的文字……帖子一定不要虚构和夸张,说事实说诉求就行了。接下来你自己都不用管,就会有政府负责网络舆情的部门联系学校的,你还担心学校继续不让步吗?

如果学校铁了心跟你死磕(实在想不出学校那么多管理人员为啥脑子集体发昏),那就法院诉讼啦,肯定能赢的。不过我想只要你发挥主动性,积极去解决,是走不到到这最后一步的,早早就在学校内部的时候就搞定了。




  

相关话题

  如何看待2019世界人工智能大会马云与埃隆马斯克的对话? 
  如何看待Hinton的论文《Dynamic Routing Between Capsules》? 
  如何激怒一位人工智能(机器学习、深度学习、强化学习等)爱好者? 
  如今AI日渐发展的时代,律师、法务如何生存,如何成为不被AI替代的法律人? 
  TensorFlow 中 padding 的 SAME 和 VALID 两种方式有何异同? 
  有哪些关于机器学习的真相还鲜为人知? 
  翻译设备不断进化,很快会进入民用领域且越来越好用。那么现在一两岁的小孩,是否早教已没必要选英语了? 
  如何评价PyTorch 0.4.0? 
  工业机器人普及之后会对社会产生什么影响? 
  如何评价 MSRA 最新的 Deformable Convolutional Networks? 

前一个讨论
clickhouse到底有哪些吊炸天的优化?
下一个讨论
华为花瓣搜索引擎 Petal 在国内正式上线,你愿意使用吗?使用过的人来聊聊,体验如何?





© 2024-11-22 - tinynew.org. All Rights Reserved.
© 2024-11-22 - tinynew.org. 保留所有权利