提前300毫秒預(yù)測等離子體撕裂！AI控制器將解鎖“零碳排放”的密碼？

在能源需求增長和「碳中和」目標(biāo)期限逼近的雙重壓力下，低碳、甚至是零碳排放的清潔能源應(yīng)用是大勢所趨。近年來，具有零碳排放發(fā)電潛力的核聚變得到了更加廣泛的關(guān)注，越來越多的學(xué)者專家開始展開深入研究。

盡管托卡馬克 (Tokamak) 的聚變實(shí)驗(yàn)取得了顯著成功，但障礙仍然存在，其中等離子體中斷是 ITER 成功長脈沖運(yùn)行必須解決的最關(guān)鍵問題之一。主要原因是等離子體極易「撕裂」，并且逃逸出用來約束它的強(qiáng)大磁場，進(jìn)而造成聚變反應(yīng)的中斷。

在此前的研究中，已經(jīng)能夠?qū)崿F(xiàn)短暫的聚變能量維持。如今，隨著深度強(qiáng)化學(xué)習(xí) (DRL) 技術(shù)在非線性、高維度驅(qū)動(dòng)問題中顯示出的高性能，人們也開始探索將其引入核聚變研究中。不久前，普林斯頓大學(xué)的研究人員開發(fā)了一個(gè) AI 控制器進(jìn)行自適應(yīng)預(yù)測和控制，能夠提前 300 毫秒預(yù)測到等離子體的潛在撕裂風(fēng)險(xiǎn)并及時(shí)干預(yù)，相關(guān)成果已發(fā)表于「Nature」。

論文地址：

https://www.nature.com/articles/s41586-024-07024-9

關(guān)注公眾號(hào)，后臺(tái)回復(fù)「核聚變」即可下載完整論文

傳統(tǒng)物理方法與 AI 相結(jié)合
如下圖所示，研究人員將傳統(tǒng)的基于物理的方法與先進(jìn)的 AI 技術(shù)整合，改善對(duì)等離子體行為的控制和理解。

圖 a：診斷系統(tǒng)，展示了本研究中用于監(jiān)測和分析 DIII-D 托卡馬克內(nèi)等離子體的主要診斷工具。

其中包括了用于測量磁場的磁學(xué)設(shè)備、用于測量密度和溫度分布的湯姆遜散射 (TS) 以及用于測量離子溫度和流速的電荷交換復(fù)合 (CER) 光譜學(xué)。特定的撕裂不穩(wěn)定性模式 m/n =2/1 在圖中用橙色突出顯示，彰顯其重要性。

圖 b：加熱、電流驅(qū)動(dòng)和控制執(zhí)行器，展示了用于加熱等離子體、通過等離子體驅(qū)動(dòng)電流和控制其行為的系統(tǒng)。

具體囊括了用于注入粒子束的設(shè)備、施加磁場的設(shè)備，以及使用微波或射頻波進(jìn)行加熱和電流驅(qū)動(dòng)的設(shè)備。其中，控制執(zhí)行器發(fā)揮著關(guān)鍵作用，不僅能操縱等離子體以達(dá)到期望條件，同時(shí)還能對(duì)抗像 m/n = 2/1 撕裂模式這樣的不穩(wěn)定情況。

圖 c：避免撕裂的控制系統(tǒng)，展示了預(yù)防或減輕撕裂不穩(wěn)定性的控制系統(tǒng)。

在其預(yù)處理步驟中，通過輪廓重建 (profile reconstruction) 和平衡擬合 (equilibrium fitting, EFIT) ，將來自診斷系統(tǒng)的信號(hào)處理成相同維度和空間分辨率的結(jié)構(gòu)化數(shù)據(jù)，并輸入到深度神經(jīng)網(wǎng)絡(luò) (DNN) 模型中。

圖 d：基于深度神經(jīng)網(wǎng)絡(luò)的 AI controller，決定整體束流功率和等離子體形狀。

一個(gè)平衡擬合 (equilibrium fitting, EFIT) 算法處理低級(jí)控制任務(wù)，調(diào)整磁線圈電流和束流功率，從而滿足 AI 的控制命令與用戶預(yù)設(shè)的約束條件，例如維持特定的安全系數(shù) (q95) 和束流扭矩。

強(qiáng)化學(xué)習(xí)算法：防撕裂控制

聚變反應(yīng)堆中，等離子體的狀態(tài)如下圖所示：

等離子體狀態(tài)圖

圖 a 中的黑線展示了隨著外部加熱（如中性粒子束）增加等離子體壓力時(shí)，最終會(huì)達(dá)到一個(gè)穩(wěn)定性限制。當(dāng)超過這個(gè)限制時(shí)，會(huì)激發(fā)撕裂不穩(wěn)定性。圖 b 和 c 展示了一旦撕裂不穩(wěn)定性被激發(fā)，等離子體將迅速被破壞，在實(shí)際操作中會(huì)導(dǎo)致嚴(yán)重后果。

基于深度神經(jīng)網(wǎng)絡(luò)和強(qiáng)化學(xué)習(xí)，研究人員開發(fā)了能夠?qū)崟r(shí)響應(yīng)等離子體狀態(tài)變化的智能控制系統(tǒng)，對(duì)等離子體未來狀態(tài)進(jìn)行預(yù)測，并相應(yīng)調(diào)整控制動(dòng)作，使得托卡馬克操作遵循理想路徑，在維持高壓力的同時(shí)避免撕裂不穩(wěn)定性。

強(qiáng)化學(xué)習(xí)控制路徑

強(qiáng)化學(xué)習(xí)模型使用一個(gè)獎(jiǎng)勵(lì)函數(shù) (reward function) 來實(shí)現(xiàn)這一避障問題 (obstacle-avoidance problem)。

用于預(yù)測未來撕裂不穩(wěn)定性的動(dòng)態(tài)模型集成了 OpenAI Gym 庫，使其能夠作為訓(xùn)練環(huán)境與控制器交互。防止撕裂控制器 (tearing-avoidance controller) 通過使用 Keras-RL 實(shí)現(xiàn)的深度確定性策略梯度方法進(jìn)行訓(xùn)練。

強(qiáng)化學(xué)習(xí)的優(yōu)勢在于能夠通過多執(zhí)行機(jī)構(gòu)（束流和形狀）和多目標(biāo)（低撕裂度和高 βN）控制器進(jìn)入更高 βN 區(qū)域，同時(shí)維持可容忍的撕裂度。

DIII-D 中的防撕裂控制：傳統(tǒng) vs. AI

傳統(tǒng)反饋控制的局限

嘗試通過傳統(tǒng)反饋控制方法維持標(biāo)準(zhǔn)化等離子體壓力 (βN = 2.3)。然而在編號(hào) 193273 實(shí)驗(yàn)中（下圖黑線），當(dāng)時(shí)間達(dá)到 2.6 秒時(shí)，出現(xiàn)了大型的撕裂不穩(wěn)定性，導(dǎo)致 βN 的不可恢復(fù)降解，最終在 3.1 秒時(shí)發(fā)生了等離子體中斷。

AI 控制的優(yōu)勢

在編號(hào) 193280 實(shí)驗(yàn)中（下圖藍(lán)線），采用 AI 控制對(duì)束流功率和等離子體三角度進(jìn)行自適應(yīng)控制，確保預(yù)測的撕裂度不超過 0.5 的閾值。

實(shí)驗(yàn)結(jié)果顯示，通過 AI 控制，成功將估計(jì)的撕裂度維持在給定閾值以下。與 193273 實(shí)驗(yàn)相比能夠?qū)崿F(xiàn)更低的撕裂度。

傳統(tǒng)控制與 AI 控制對(duì)比

不同撕裂閾值下控制策略

不同撕裂閾值下的實(shí)驗(yàn)

研究人員比較了不同撕裂度閾值下的控制策略，實(shí)驗(yàn)編號(hào) 193277（上圖灰線）、193280（上圖藍(lán)線）和 193281（上圖紅線）分別對(duì)應(yīng)于撕裂度閾值 0.2、0.5 和 0.7 的控制實(shí)驗(yàn)。

在 k = 0.5 和 k = 0.7 的情況下，等離子體在預(yù)定的平頂期結(jié)束前表現(xiàn)出良好的穩(wěn)定性。閾值較高的控制器 (k = 0.7) 在實(shí)驗(yàn)的早期階段 (t < 3.5 s) 傾向于更積極地提高 βN，但這導(dǎo)致等離子體后續(xù)進(jìn)入更不穩(wěn)定的區(qū)域。

k = 0.2 較低閾值控制器在實(shí)驗(yàn)早期過于保守，過度抑制了不穩(wěn)定性的可能性。直到 t = 5 秒時(shí)，AI 都維持了極低的撕裂度（小于0.2），但在 t = 5.5 秒時(shí)突然出現(xiàn)了難以避免的不穩(wěn)定性。

相比之下，中等閾值 (k = 0.5) 的控制器能夠持續(xù)維持等離子體穩(wěn)定直至平頂期結(jié)束，并最終再次恢復(fù) βN。這表明，為了長時(shí)間維持穩(wěn)定的等離子體，需要一個(gè)最優(yōu)閾值。

追逐清潔能源圣杯，仍面臨重重挑戰(zhàn)

可控核聚變的實(shí)現(xiàn)是現(xiàn)代科學(xué)和工程領(lǐng)域最具挑戰(zhàn)性的目標(biāo)之一，被認(rèn)為是清潔能源的圣杯。人類什么時(shí)候才能捧起這一圣杯，AI 在其中又扮演了什么樣的角色？

這項(xiàng)研究成功證明了 AI 在有效控制聚變反應(yīng)方面的潛力。此外，本論文的一作 Jaemin 在首爾國立大學(xué)核工程系攻讀博士學(xué)位期間也創(chuàng)新性地利用強(qiáng)化學(xué)習(xí)方法，為 KSTAR（韓國超導(dǎo)托卡馬克高級(jí)研究設(shè)施）設(shè)計(jì)了一種新型的等離子體控制算法。

KSTAR 的托馬克型核聚變反應(yīng)堆全景圖

盡管目前已經(jīng)有越來越多的研究人員開始圍繞核聚變展開深入科研，一步步走近這座圣杯，但目前仍有較多技術(shù)壁壘亟待解決：

1.等離子體穩(wěn)定性：

控制高溫等離子體的穩(wěn)定性是實(shí)現(xiàn)可控核聚變的關(guān)鍵難題之一。等離子體必須被保持在足夠高的溫度和壓力下，以維持必要的聚變反應(yīng)速率，而這要求極為精確的磁場控制技術(shù)。

2.材料問題：

目前還沒有能夠承受長期高溫、高中子流照射且不顯著降解的材料。中子照射會(huì)導(dǎo)致材料變脆、性能下降，這對(duì)于反應(yīng)堆的長期運(yùn)行和經(jīng)濟(jì)性是一個(gè)大問題。

3.能量捕獲與轉(zhuǎn)換：

如何高效地從聚變反應(yīng)中捕獲能量，并將其轉(zhuǎn)換為電能，也是目前研究的重點(diǎn)。高效率的熱電轉(zhuǎn)換系統(tǒng)對(duì)于實(shí)現(xiàn)經(jīng)濟(jì)可行的聚變能源至關(guān)重要。

4.聚變?nèi)剂系漠a(chǎn)生和供應(yīng)：

氚和氘可發(fā)生核聚變反應(yīng)，用于可控核聚變?nèi)剂?。雖然氘在自然界中相對(duì)豐富，但氚極為稀缺，由于人工制備極其困難，需要通過中子捕獲等方式在反應(yīng)堆內(nèi)部產(chǎn)生或采用其他方法獲取，一千克氚的價(jià)值足足有上億美元。

近年來，AI 已經(jīng)在科研中帶來了太多的驚喜，從 AlphaFold 高效預(yù)測蛋白質(zhì)結(jié)構(gòu)，到基于機(jī)器學(xué)習(xí)渲染黑洞圖像，再到基于神經(jīng)網(wǎng)絡(luò)預(yù)測氣象變化……

如今，等離子體穩(wěn)定性這一難題被 AI 攻克，為 AI 在可控核聚變研究過程中的應(yīng)用積累了經(jīng)驗(yàn)，相信上述的更多挑戰(zhàn)也將在研究人員的持續(xù)探索下沖破桎梏！