DeepMind’s AI can control superheated plasma inside a fusion reactor

딥마인드, 핵융합로 내부에서 플라스마 제어하는 AI 개발

핵융합 발전은 아주 적은 양의 연료로 탄소 배출물 없이 엄청난 에너지를 생산할 수 있는 안전하고 제한 없는 청정에너지원으로 주목받고 있다. 하지만 아직 실용화까지는 갈 길이 멀다. 딥마인드가 이번에는 이러한 핵융합로 개발을 앞당길 수 있는 알고리즘을 만들었다.

인공지능(AI)을 이용해 어려운 과학 문제들을 해결하려는 딥마인드(DeepMind)의 도전이 계속되고 있다. 영국의 AI 회사 딥마인드가 이번에는 스위스 로잔연방공과대학교(EPFL)의 ‘스위스 플라스마 센터(Swiss Plasma Center)’와 협력하여 핵융합로(nuclear fusion reactor) 내부에서 과열된 물질을 제어하기 위한 심층강화학습(deep reinforcement learning) 알고리즘을 학습시켰다. 과학 저널 ‘네이처(Nature)’에 발표된 이번 연구는 물리학자들이 핵융합의 원리를 더 제대로 이해하는 데 도움을 줄 수 있으며, 잠재적으로는 제한 없는 청정에너지원인 ‘핵융합 발전’의 실용화 시기를 앞당기는 데도 도움이 될 수 있다.

딥마인드의 연구원 마틴 리드밀러(Martin Riedmiller)는 “이번 연구는 실세계의 시스템에 강화학습 알고리즘을 적용하는 대단히 어려운 과제”라고 설명했다.

핵융합이 일어나면 수소 원자의 원자핵들이 강제로 융합되면서 헬륨처럼 더 무거운 원자를 형성한다. 이 과정에서 매우 적은 양의 연료로도 엄청난 양의 에너지가 생산되기 때문에 핵융합은 매우 효율적인 에너지원으로 여겨진다. 핵융합은 화석연료를 이용하는 발전이나 원자핵을 강제로 분열시켜 에너지를 발생시키는 기존의 원자력 발전보다 훨씬 깨끗하고 안전한 에너지원이다. 또한 핵융합은 항성이 에너지를 만드는 데 사용되는 방법이기도 하다.

그러나 지구에서 핵융합 과정을 통제하는 것은 어려운 일이다. 문제는 원자핵들이 서로를 밀어낸다는 것이다. 원자로 내부에서 원자핵을 융합시키기 위해서는 극도로 높은 온도가 필요하다. 그것도 태양 중심부보다도 더 뜨거운 수억 도에 달하는 고온이 필요한 경우가 많다. 이 정도의 고온에서는 물질이 고체도 액체도 기체도 아닌 상태가 된다. 바로 물질의 네 번째 상태, 입자들이 분리되어 마구 섞여 있는 ‘플라스마(plasma)’가 되는 것이다.

해결해야 하는 과제는 원자로 내부에서 에너지가 생산될 때까지 오랫동안 플라스마를 붙잡아 놓는 것이다. 항성의 내부에서 플라스마는 중력에 의해 붙잡혀 있다. 지구에서는 연구원들이 레이저와 자석을 비롯해 다양한 방법을 사용해 플라스마를 가둔다. 자석을 이용하는 ‘토카막(tokamak)’이라는 원자로 안에서 플라스마는 전자기장 안에 갇혀서 강제로 형태를 유지하게 되고 원자로 벽에 부딪치지 않게 된다. 플라스마가 원자로 벽에 부딪치면 플라스마의 온도가 내려갈 수 있고, 원자로에도 손상을 줄 수 있다.

플라스마를 제어하려면 지속적으로 모니터링하며 자기장을 조작해야 한다. 연구팀은 이러한 작업을 수행할 수 있도록 시뮬레이션을 이용해 강화학습 알고리즘을 학습시켰다. 알고리즘이 가상 원자로 내부에서 플라스마의 형태를 제어하거나 변형시키는 법을 학습한 이후에 연구원들은 이 알고리즘을 이용해 로잔공대에 있는 실험용 토카막 원자로 TCV(Variable Configuration Tokamak)의 자석들을 제어했다. 이 실험을 통해 연구팀은 가상 원자로 제어법을 학습한 AI가 추가적인 조정 없이도 실제 원자로를 제어할 수 있다는 것을 알아냈다. 알고리즘은 플라스마를 총 2초 동안 제어했는데, ‘2초’는 TCV 원자로의 온도가 지나치게 올라가기 전까지 가동할 수 있는 최대 시간이다.

빠른 반응 속도

원자로 제어법을 학습한 신경망 알고리즘은 1초에 1만 번에 걸쳐 플라스마의 모양과 위치를 설명하는 90가지의 다양한 측정을 수행하고, 측정값에 따라 19개 자석의 전압을 조절한다. 이러한 피드백 루프(feedback loop)는 이전의 강화학습 알고리즘이 해왔던 것보다 훨씬 빠르다. 속도를 높이기 위해서 연구팀은 AI를 두 개의 신경망으로 나누었다. ‘크리틱(critic)’이라고 불리는 커다란 신경망은 시뮬레이션에서 원자로를 제어하는 방법을 시행착오를 통해 학습했다. 그러고 나서 ‘크리틱’이 학습한 능력은 원자로 자체에서 작동하는 ‘액터(actor)’라는 더 작고 빠른 신경망 안에 암호화되었다.

이번 연구에 참여하지 않은 네덜란드 기초에너지연구소(Dutch Institute for Fundamental Energy Research)의 조너선 시트린(Jonathan Citrin)은 “AI를 이용하는 것은 상당히 효과적인 방법이다. 핵융합 연구를 매우 흥미로운 방향으로 향하게 하는 중요한 첫걸음”이라고 이번 연구를 설명했다.

연구팀은 플라스마 제어에 AI를 사용하면 원자로 내부의 다양한 조건에서 실험을 진행하기 수월해질 것이며, 과학자들이 핵융합 과정을 이해하는 데 도움을 주고, 잠재적으로는 상용화가 가능한 핵융합 원자로 개발 속도를 높이는 데도 도움을 줄 것이라고 생각한다. 이번 AI는 또한 인간이 이전에 시도해본 적 없는 방식으로 자석들을 조절하면서 플라스마를 제어하는 방법을 학습했다. 이는 우리가 앞으로 탐구할 수 있는 새로운 원자로 형태가 가능할 수도 있음을 암시한다.

스위스 플라스마 센터의 책임자이자 유로퓨전 컨소시엄(Eurofusion Consortium)의 의장 암브로지오 파솔리(Ambrogio Fasoli)는 “이러한 AI 제어 시스템을 이용하면 우리가 기존에는 할 수 없었을 위험까지 감수할 수 있다”고 밝혔다. 사람이 원자로를 제어할 때는 특정한 한계 이상으로 플라스마를 밀어붙이는 것을 꺼리는 경우가 많다. 그는 “장치에 손상을 줄 것이기 때문에 우리가 반드시 피해야만 하는 상황들이 있다. 우리가 한계까지 가까이 가더라도 절대 한계를 넘지 않게 하는 제어 시스템이 있다면, 더 많은 가능성을 탐구할 수 있을 것이고, 그러면 연구도 가속화될 수 있을 것이다”라고 전망했다.

미리보기 3회1회

MIT Technology Review 구독을 시작하시면 모든 기사를 제한 없이 이용할 수 있습니다.