已验证65% 置信事件精确时间
2022年谷歌DeepMind与瑞士洛桑联邦理工学院（EPFL）在《自然》杂志发表成果，用深度强化学习系统直接控制托卡马克磁场线圈电流维持复杂等离子体构型
3
来源数
65%
置信度
长期有效
时效性
2026/7/8
首次发现
来源
量子计算+AI超算如何破解核聚变燃料困境
hackernewshackernews2026/7/6
相关事实
已验证Google DeepMind提出了Nested Learning（嵌套学习）相关方法69% 相似待验证DeepMind于2021年在Nature上发表研究，展示机器学习在纯数学中的应用69% 相似待验证TensorFlow和PyTorch分别由Google和Meta主导开发，是深度学习的两大主流框架69% 相似待验证DeepMind的方法训练单一神经网络策略，直接从等离子体状态映射到所有磁场线圈的控制指令，能稳定维持负三角形截面和雪花型偏滤器等此前难以实现的等离子体配置67% 相似待验证Google DeepMind的Genie系列、Meta的V-JEPA、以及NVIDIA的Cosmos平台都在探索将物理约束嵌入生成模型的技术路径67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/218009API
curl https://kongchang.com/api/v1/knowledge/claims/218009MCP
get_claim(id=218009)