Ingeniører bruger kunstig intelligens til at skændes om fusionskraft til nettet

På et øjeblik kan det uregerlige, overophedede plasma, der driver en fusionsreaktion, miste sin stabilitet og undslippe de stærke magnetfelter, der begrænser det i den donutformede fusionsreaktor. Disse udflugter betyder ofte slutningen af ​​reaktionen, hvilket udgør en kerneudfordring for at udvikle fusion som en ikke-forurenende, praktisk talt ubegrænset energikilde.

Men et Princeton-ledet team bestående af ingeniører, fysikere og dataforskere fra universitetet og Princeton Plasma Physics Laboratory (PPPL) har udnyttet kraften i kunstig intelligens til at forudsige - og derefter undgå - dannelsen af ​​et specifikt plasmaproblem i virkeligheden tid.

I eksperimenter på DIII-D National Fusion Facility i San Diego demonstrerede forskerne, at deres model, kun trænet på tidligere eksperimentelle data, kunne forudsige potentielle plasmaustabiliteter kendt som rivetilstands-ustabiliteter op til 300 millisekunder i forvejen.

Selvom det ikke efterlader mere end nok tid til et langsomt blink hos mennesker, var det masser af tid for AI-controlleren til at ændre visse driftsparametre for at undgå, hvad der ville have udviklet sig til en rift i plasmaets magnetfeltlinjer, hvilket forstyrrede dens ligevægt og åbning døren for en reaktionssluttende flugt.

"Ved at lære af tidligere eksperimenter i stedet for at inkorporere information fra fysik-baserede modeller, kunne AI udvikle en endelig kontrolpolitik, der understøttede et stabilt, kraftigt plasmaregime i realtid ved en rigtig reaktor," sagde forskningsleder Egemen Kolemen , lektor i mekanik og rumfartsteknik og Andlinger Center for Energi og Miljø, samt stabsforskningsfysiker ved PPPL.

Forskningen åbner døren for mere dynamisk kontrol af en fusionsreaktion end nuværende tilgange, og den giver grundlag for at bruge kunstig intelligens til at løse en lang række plasma-ustabiliteter, som længe har været forhindringer for at opnå en vedvarende fusionsreaktion. Holdet offentliggjorde deres resultater i Nature den 21. februar.

"Tidligere undersøgelser har generelt fokuseret på enten at undertrykke eller afbøde virkningerne af disse rivende ustabiliteter, efter de opstår i plasmaet," sagde førsteforfatter Jaemin Seo, en assisterende professor i fysik ved Chung-Ang Universitet i Sydkorea, som udførte meget af arbejdet mens postdoc i Kolemens gruppe. "Men vores tilgang giver os mulighed for at forudsige og undgå disse ustabiliteter, før de nogensinde dukker op."

Overophedet plasma hvirvlende i en donut-formet enhed

Fusion finder sted, når to atomer - normalt lette atomer som brint - samles for at danne et tungere atom, hvilket frigiver en stor mængde energi i processen. Processen driver solen, og i forlængelse heraf gør livet på Jorden muligt.

Det er dog vanskeligt at få de to atomer til at smelte sammen, da det kræver enorme mængder tryk og energi for de to atomer at overvinde deres gensidige frastødning.

Heldigvis for solen tillader dens massive tyngdekraft og ekstremt høje tryk i dens kerne fusionsreaktioner at fortsætte. For at replikere en lignende proces på Jorden bruger videnskabsmænd i stedet ekstremt varmt plasma og ekstremt stærke magneter.

I doughnut-formede enheder kendt som tokamaks - nogle gange omtalt som "stjerner i krukker" - kæmper magnetiske felter for at indeholde plasmaer, der når over 100 millioner grader Celsius, varmere end solens centrum.

Mens der er mange typer plasma-ustabiliteter, der kan afslutte reaktionen, koncentrerede Princeton-teamet sig om at løse rivetilstands-ustabiliteter, en forstyrrelse, hvor magnetfeltlinjerne i et plasma faktisk bryder og skaber en mulighed for plasmaets efterfølgende flugt.

"Ustabilitet i rivetilstand er en af ​​hovedårsagerne til plasmaforstyrrelser, og de vil blive endnu mere fremtrædende, når vi forsøger at køre fusionsreaktioner ved de høje kræfter, der kræves for at producere nok energi," sagde Seo. "De er en vigtig udfordring for os at løse."

Sammensmeltning af kunstig intelligens og plasmafysik

Da ustabilitet i rivetilstand kan danne og afspore en fusionsreaktion på millisekunder, vendte forskerne sig til kunstig intelligens for dens evne til hurtigt at behandle og handle som reaktion på nye data.

Men processen med at udvikle en effektiv AI-controller var ikke så simpel som at prøve nogle få ting på en tokamak, hvor tiden er begrænset, og indsatsen er høj.

Medforfatter Azarakhsh Jalalvand, en forsker i Kolemens gruppe, sammenlignede undervisning i en algoritme til at køre en fusionsreaktion i en tokamak med at lære nogen, hvordan man flyver et fly.

"Du ville ikke lære nogen ved at give dem et sæt nøgler og bede dem gøre deres bedste," sagde Jalalvand. "I stedet ville du have dem til at øve sig på en meget indviklet flysimulator, indtil de har lært nok til at prøve den ægte vare."

Ligesom at udvikle en flysimulator brugte Princeton-teamet data fra tidligere eksperimenter på DIII-D tokamak til at konstruere et dybt neuralt netværk, der er i stand til at forudsige sandsynligheden for en fremtidig rivningsustabilitet baseret på plasmakarakteristika i realtid.

De brugte det neurale netværk til at træne en forstærkende læringsalgoritme. Ligesom en pilotelev kunne forstærkningslæringsalgoritmen afprøve forskellige strategier til at kontrollere plasma, lære gennem forsøg og fejl, hvilke strategier der fungerede, og hvilke der ikke var inden for sikkerheden i et simuleret miljø.

"Vi lærer ikke forstærkningslæringsmodellen hele den komplekse fysik af en fusionsreaktion," sagde Jalalvand. "Vi fortæller den, hvad målet er – at opretholde en kraftig reaktion – hvad den skal undgå – en ustabilitet i rivetilstanden – og de knapper, den kan dreje for at opnå disse resultater. Over tid lærer den den optimale vej til at nå målet om høj effekt, samtidig med at man undgår straffen for en ustabilitet."

Mens modellen gennemgik utallige simulerede fusionseksperimenter og forsøgte at finde måder at opretholde høje effektniveauer på og samtidig undgå ustabilitet, kunne medforfatter SangKyeun Kim observere og forfine dens handlinger.

"I baggrunden kan vi se intentionerne med modellen," sagde Kim, en stabsforsker ved PPPL og tidligere postdoktor i Kolemens gruppe. "Nogle af de ændringer, som modellen ønsker, er for hurtige, så vi arbejder på at udjævne og berolige modellen. Som mennesker arbitrerer vi mellem, hvad AI ønsker at gøre, og hvad tokamak kan rumme."

Da de først var sikre på AI-controllerens evner, testede de den under et egentligt fusionseksperiment på D-III D tokamak, idet de observerede, at controlleren lavede ændringer i realtid til visse tokamak-parametre for at undgå, at en ustabilitet opstod. Disse parametre omfattede ændring af plasmaets form og styrken af ​​de stråler, der tilførte effekt til reaktionen.

"At være i stand til at forudsige ustabilitet på forhånd kan gøre det lettere at køre disse reaktioner end de nuværende tilgange, som er mere passive," sagde Kim. "Vi behøver ikke længere at vente på, at ustabiliteten opstår og derefter tage hurtige korrigerende handlinger, før plasmaet bliver forstyrret."

Strøm ind i fremtiden

Mens forskerne sagde, at arbejdet er et lovende proof-of-concept, der viser, hvordan kunstig intelligens effektivt kan kontrollere fusionsreaktioner, er det kun et af mange næste skridt, der allerede er i gang i Kolemens gruppe for at fremme fusionsforskningsfeltet.

Det første trin er at få mere bevis på AI-controlleren i aktion på DIII-D tokamak, og derefter udvide controlleren til at fungere på andre tokamaks.

"Vi har stærke beviser for, at controlleren fungerer ganske godt på DIII-D, men vi har brug for flere data for at vise, at den kan fungere i en række forskellige situationer," sagde førsteforfatter Seo. "Vi vil arbejde hen imod noget mere universelt."

En anden forskningslinje involverer udvidelse af algoritmen til at håndtere mange forskellige kontrolproblemer på samme tid. Mens den nuværende model bruger et begrænset antal diagnostik for at undgå en bestemt type ustabilitet, kunne forskerne levere data om andre typer ustabiliteter og give adgang til flere knapper, som AI-controlleren kan indstille.

"Du kunne forestille dig én stor belønningsfunktion, der drejer mange forskellige knapper for samtidig at kontrollere for flere typer ustabilitet," sagde medforfatter Ricardo Shousha, en postdoc ved PPPL og tidligere kandidatstuderende i Kolemens gruppe, der ydede støtte til eksperimenterne på DIII- D.

Og på vejen til at udvikle bedre AI-controllere til fusionsreaktioner, kan forskere måske også få mere forståelse for den underliggende fysik. Ved at studere AI-controllerens beslutninger, mens den forsøger at indeholde plasmaet, som kan være radikalt anderledes end hvad traditionelle tilgange kan foreskrive, kan kunstig intelligens ikke kun være et værktøj til at kontrollere fusionsreaktioner, men også en undervisningsressource.

"I sidste ende kan det være mere end blot en envejs-interaktion mellem forskere, der udvikler og implementerer disse AI-modeller," sagde Kolemen. "Ved at studere dem mere detaljeret, kan de have visse ting, som de også kan lære os."

Flere oplysninger: Egemen Kolemen, Undgå rivende ustabilitet i fusionsplasma ved hjælp af dyb forstærkningslæring, Nature (2024). DOI:10.1038/s41586-024-07024-9. www.nature.com/articles/s41586-024-07024-9

Journaloplysninger: Natur

Leveret af Princeton University