By AMIT KATWALA, WIRED UK

핵융합 리액터를 포함하도록 설계된 도넛 형태 용기인 토카막은 특수한 혼란을 나타낸다. 수소 원자가 초고온 상태에서 불가능한 수준으로 분열돼, 태양 표면보다 뜨거우면서 빠른 속도로 움직이는 회전 플라즈마를 생성한다. 플라즈마 제어와 제한에 성공할 현명한 방법을 찾는 것이 앞으로 수십 년 동안 사용할 청정에너지 지원으로 논의되는 핵융합의 잠재력을 활용할 핵심이다. 이에, 과학계는 합리적인 듯한 융합을 강조했으며, 이제는 공학 과정의 난제가 남아있다. 스위스 로잔연방공과대학교 스위스 플라즈마 센터(Swiss Plasma Center) 소장 앰브로지오 파소리(Ambrogio Fasoli)는 “플라즈마 물질 기온을 높이고 에너지를 공급할 수 있는 충분한 양을 함께 보유해야 한다”라고 말했다.

이에, 딥마인드가 연구에 나섰다. 구글 모기업 알파벳의 지원을 받는 인공지능(AI) 기업인 딥마인드는 과거 비디오 게임과 단백질 접힘이라는 수수께끼를 풀었으며, 지금은 핵융합 리액터를 제어할 AI 개발을 위해 스위스 플라즈마 센터 연구팀과 합동 연구 프로젝트를 진행한다.

핵융합을 하는 별의 순수한 중력 질량은 수소 원자를 합쳐 반대 전하를 극복할 정도로 충분하다. 지구의 연구팀은 강력한 자기장 코일을 대신 사용해 핵융합 리액터를 제한하면서 적절한 위치로 향하도록 유도하여 바퀴 위의 점토를 다루는 도공처럼 모양을 형성한다. 플라즈마가 용기 측면에 닿지 않도록 코일을 매우 조심스럽게 제어해야 한다. 자칫하면 용기 벽이 손상돼 융합 리액터 가동 속도가 느려질 수 있기 때문이다. 또한, 융합 리액터가 자기밀폐 없이는 살아남을 수 없어, 약간의 화재 위험성도 있다.

그러나 연구팀이 플라즈마 구성 변경을 원하면서 더 깨끗하면서 강력한 플라즈마를 생산할 수도 있는 다른 형태로 제작을 시도할 때, 막대한 규모의 엔지니어와 설계 작업이 필요하다. 기존 시스템은 컴퓨터로 제어하면서 각종 모델을 바탕으로 실행되는 동시에 신중한 시뮬레이션 과정을 거친다. 그러나 파소리 소장은 복잡성이 플라즈마 제어의 필수 조건은 아니라고 말한다.

딥마인드는 플라즈마를 자동으로 제어하는 AI를 개발했다. 연구팀은 네이처에 게재한 논문을 통해 심층 강화 학습 시스템을 이용하여 스위스 플라즈마 센터의 변수를 구성한 토카막인 TCV 내 자기장 코일 19종 제어 방법을 설명했다. TCV는 연구팀이 추후 더 큰 융합 리액터 설계 정보를 제공하는 역할을 할 것이다. 이번 프로젝트 총괄인 딥마인드의 마틴 리드밀러(Martin Riedmiller)는 “AI, 특히 강화 학습 기법이 토카막의 플라즈마 제어 과정의 복잡한 문제에 활용하기 적합하다”라고 주장했다.

인간의 뇌 구조를 모방하도록 설계된 AI 설정 조건 중 하나인 신경망은 초기 시뮬레이션으로 훈련 과정을 거쳤다. 훈련은 용기 안에서 플라즈마의 모양에 영향을 미치는 19가지 코일 각각의 조건 변화를 관찰하면서 시작했다. 이후 다양한 모양을 주어 플라즈마를 재생성하도록 했다. 훈련 과정에 주어진 모양 중에는 국제 핵융합 실험로(International Thermonuclear Experimental Reactor)에 사용하는 D자 형태의 단면적과 프랑스에서 제작 중인 대규모 실험용 토코막, 용기에 고르게 분포된 리액터의 초고온 상태 소멸에 도움이 되는 스노우플레이크 구성 등이 포함됐다.
 
딥마인드 AI는 시뮬레이션 과정과 TCV 토코막 내부 실험을 동시에 진행해, 시뮬레이션을 검증할 때 모두 자기장 코일을 올바르게 조작하면서 자동으로 모양을 생성했다. 파소리 소장은 이번 실험이 미라 토코막 설계에 영향을 미치거나 가시적인 융합 리액터 경로 속도를 높이는 데 영향을 미칠 중요한 단계라고 말했다. 이번 연구에 참여하지 않은 임페리얼 칼리지 런던의 융합 전문가인 야스민 앤드류(Yasmin Andrew)는 “실험 결과가 매우 긍정적이다. 앞으로 핵융합 리액터 기술을 대규모 토코막에 적용할 수 있을지 지켜보는 것이 흥미로울 것이다”라고 말했다.

딥마인드 연구팀은 특히 융합 과정에서 큰 어려움을 직면했다. 융합 과정 자체가 복잡한 상태로 연속적으로 이루어지기 때문이다. 딥마인드가 알파고 AI(Alpha Go)로 정복한 것으로 유명한 바둑과 같이 돌아가면서 진행되는 경기와 달리 플라즈마는 끊임없이 변화한다. 게다가 계속 측정할 수 없다는 어려움도 있다. AI 연구원은 이를 관찰되지 않은 시스템이라고 칭한다.

딥마인드 연구 과학자 조나스 부치리(Jonas Buchli)는 “간혹 별도로 발생하는 문제 해결 능력이 뛰어난 알고리즘도 연속적인 문제를 해결하는 데 큰 어려움을 겪는다. 이번 실험은 딥마인드 알고리즘이 연속적인 문제도 해결할 가능성을 보여주었기 때문에 알고리즘 능력이 크게 도약했다고 평가할 수 있다. 더 나아가 매우 복잡한 문제도 해결할 수 있다고 생각한다. 딥마인드 알고리즘이 이미 완전히 정복한 경기와는 다른 복잡함의 문제이다”라고 설명했다.

과거에도 AI로 핵융합을 제어하려는 실험이 진행됐다. 2014년, 구글은 캘리포니아 융합 기업 TAE 테크놀로지스(TAE Technologies)와 손을 잡고 다양한 융합 리액터에 머신러닝을 적용해, 실험 데이터 분석 속도를 높이려 했다. 영국에서 진행된 공동 토러스(JET) 프로젝트는 AI로 플라즈마의 행동을 예측하려 했다. AI가 핵융합을 제어한다는 개념은 영화 속에도 등장했다. 2004년 개봉된 스파이더맨 2에서 악당인 닥터 옥토퍼스는 AI 기반 뇌 제어 외골격을 제작해 실험용 융합 리액터를 제어하려 했다. AI가 닥터 옥토퍼스의 생각을 통제하면서 인간을 죽이기 전까지 실험 성과는 긍정적이었다.

모두 고려했을 때, 딥마인드와의 합동 연구는 융합 리액터가 커질수록 중요하다는 사실이 입증될 것이다. 물리학계는 기존 방식을 통해 소형 토코막에서의 플라즈마를 훌륭하게 제어하지만, 과학계가 발전소 규모의 대형 토코막의 플라즈마 제어 방식을 찾고자 하면서 어려움이 더해질 것이다. 그동안 대형 토코막 내 플라즈마 제어 실험은 서서히 진전을 거두었다. 2022년 2월, JET 프로젝트가 플라즈마 제어 실험의 획기적인 변화를 이루면서 융합 프로젝트에서 추출한 에너지양 기준으로 새로운 기록을 달성했다. 그리고 현재 프랑스에서는 국제 협력 관계와 함께 토코막을 제작 중이며, 2025년 중으로 세계 최대 규모 실험용 융합 리액터가 될 것으로 보인다.

샌디에이고 에너지 연구소 소속 과학 연구원인 드미트리 올로프(Dmitri Orlov)는 “토코막이 더 복잡하면서 성능이 우수할수록 훨씬 더 높은 안정성과 정확성을 갖춘 채로 많은 양의 토코막을 다루어야 한다”라고 말했다. AI가 토코막을 제어한다면, 열을 리액터 바깥에서 용기 측면으로 이동하는 것을 제어하는 동시에 플라즈마의 불안정성 방지에 최적화될 것이다. 또, 리액터를 자체적으로 재구성해 강화 학습의 더 까다로운 통제 능력을 최대한 활용할 수 있을 것이다.

파소리 소장은 궁극적으로 딥마인드와의 합동 연구 덕분에 연구팀이 융합 발전의 경계와 장기적인 발전 노력을 추진할 수 있을 것으로 기대한다. 그는 “AI는 연구팀이 그동안 다른 방식으로 성과를 얻을 것으로 예상할 수 없었던 플라즈마 제어 실험을 진행하는 데 도움이 되었다. 기존 방식으로는 상상할 수 없었던 제어 시스템의 위험성을 감수한 채로 실험을 진행할 수 있기 때문이다. 만약, 한계에 근접했으나 넘어서지 못하는 제어 시스템을 얻게 된다면, 실제로 과거에는 시도하지 않았던 가능성을 탐구할 수 있을 것이다”라고 말했다.

** 위 기사는 와이어드UK(WIRED.co.uk)에 게재된 것을 와이어드코리아(WIRED.kr)가 번역한 것입니다. (번역 : 고다솔 에디터)

<기사원문>
DeepMind Has Trained an AI to Control Nuclear Fusion