研究人員運用深度學習技術，以提高預測的準確性，有望防止發生等離子體融合反應中斷情況。
編輯手札：此為介紹 NVIDIA 2018 全球影響力大獎四名決賽入圍者系列文章之一。NVIDIA 將頒發20萬美元給運用 NVIDIA 技術，在解決社會、人道與環境問題方面有突破性進展的研究人員。
普林斯頓大學的研究團隊採用人工智慧技術，以便在可預見的未來提供等離子體融合能量。
自1950年代以來，科學家們不斷追求利用氘與氚（即氫的眾多同位素）之間類似太陽的融合反應，以提供乾淨能源的承諾。在華氏3.6億度的溫度下便可實現的這種無碳能量，將為加熱水提供一種極佳方式，進而使渦輪機旋轉產生出龐大電力。
成功的基本要求之一就是高度準確預測在價值數十億美元、磁性密閉的熱核聚變級等離子體（稱為托卡馬克）裡，出現危險破裂事件的可能性。沒有時間可以停下腳步：得在破裂發生前的30毫秒內進行干預，才有時間用等離子體控制的方式進行緩解。
普林斯頓大學天體物理學系等離子體物理研究生課程的研究教授 William Tang 及其團隊，已經利用了深度學習與神經網路，以便從實驗融合的頂尖設施大型訊號資料庫裡，挖掘出與破裂有關的訊號。他們使用 GPU 加速運算技術，表示能顯著提高預測破裂的準確性和速度。
加快預測的速度
普林斯頓的團隊改進了套用於全球頂尖托卡馬克設備（環磁機），即歐洲聯合環狀反應爐（JET）的實驗測量結果預測內容。EUROFusion JET 讓普林斯頓的研究團隊取得旗下龐大資料庫半數以上的資料，以便將這些資料投入普林斯頓的融合遞歸神經網路（FRNN）深度學習軟體。
過去使用 CPU 想要提高尋常預測破裂作業的預測準確性，需要一天的計算時間。William Tang 的團隊將其 FRNN 軟體僅部署在20具 NVIDIA Tesla K20 GPU 上，便已大幅提高了精準度，又將執行時間縮短到少於一個小時。他們還展示了擴大使用到上萬個更先進 GPU 的情況。William Tang 將這種令人驚嘆的發展稱為「哇」發展，將深度學習用於融合研究及更普遍廣泛的應用上，加快科學發現的腳步，將可能對全球造成巨大的影響力。
普林斯頓大學的舊款托卡馬克聚變試驗反應爐。
這項成就使得 William Tang 與普林斯頓大學的研究團隊成為 NVIDIA 2018年全球影響力大獎的四位決賽入圍者。此獎項每年提供了20萬美元給運用 NVIDIA 技術，在解決全球最重大社會與人道問題方面有突破性進展並產生廣泛影響的研究人員或機構。
加大規模
普林斯頓研究團隊使用數千具個 GPU 來訓練深度神經網路，以升高其 FRNN 軟體的能力。在橡樹嶺國家實驗室的 Titan 超級電腦6,000個 Tesla K20 GPU 成功地運行後，FRNN 日前展示了在日本東京工業大學全新 TSUBAME-3 超級電腦上，可擴展至3,000個 NVIDIA Teslal P-100 GPU 的能力。
必須達到精準預測破裂及控制融合研究的後續發展：目標是在法國建設中、價值250億美元的國際托卡馬克設備上進行測試。想要產生持續燃燒的等離子體，其較 JET 提出之成功量表的「得失平衡」（即能量輸出等於能量輸入），還要再大上一個數量級。
William Tang 表示此舉跟萊特兄弟的飛機在小鷹鎮成功飛行一事，足以相提並論。「飛行肯定對運輸有著重大影響，不過提供乾淨的聚變能源可能會有著更深遠的結果。」
我們將在3月26-29日於矽谷舉行的GPU 科技大會上宣布2018年全球影響力大獎得主。如要報名參加今年的大會，請至 GTC 報名網頁。入圍2018 全球影響力大獎決賽的其它候選人，包括麻省總醫院的研究團隊。瞭解去年 NVIDIA 全球影響力大獎得主的不凡成就。