Sztuczna inteligencja przeciw niestabilności tearing w DIII-D

Czym jest

Tokamak utrzymuje wewnątrz pola magnetycznego w kształcie obwarzanka niezwykle gorący gaz, zwany plazmą. Czasem linie pola magnetycznego wewnątrz plazmy rozrywają się i łączą na nowo, tworząc pierścieniowe pęcherze zwane wyspami magnetycznymi. Zjawisko to nazywa się niestabilnością typu tearing (z angielskiego „rozrywanie”) i jest główną przyczyną dysrupcji, nagłych załamań plazmy, które przerywają eksperyment i mogą uszkodzić ściany maszyny. Zespół z Uniwersytetu Princeton i Narodowego Ośrodka Badań Fuzyjnych DIII-D, placówki badawczej Departamentu Energii Stanów Zjednoczonych na terenie firmy General Atomics w San Diego, wytrenował kontroler metodą uczenia przez wzmacnianie: program uczy się, próbując działań i otrzymując nagrodę. Uczono go na komputerowym modelu, który z wyprzedzeniem 25 milisekund przewiduje ciśnienie plazmy i ocenę ryzyka tearing od 0 do 1. Kontroler nauczył się zmieniać dwie wielkości, moc grzania wiązkami neutralnymi i kształt plazmy, by utrzymywać wysokie ciśnienie, dopóki przewidywane ryzyko pozostaje poniżej wybranej granicy.

Dlaczego to ważne

Elektrownia oparta na tokamaku potrzebuje wysokiego ciśnienia plazmy, by wytwarzać energię, i musi unikać dysrupcji, które mogą uszkodzić ściany. Wcześniejsze metody głównie próbowały tłumić tearing po jego powstaniu, co często następowało zbyt późno, więc tutaj celem było uniknięcie go od początku. Według artykułu w Nature kontroler utrzymywał przewidywane ryzyko poniżej granicy nawet w trudnych warunkach podobnych do planowanych w Międzynarodowym Eksperymentalnym Reaktorze Termojądrowym (ITER), wielkim międzynarodowym projekcie fuzyjnym budowanym we Francji, gdzie plazma obraca się tylko wolno, a tearing jest szczególnie trudny do uniknięcia. W jednym z przebiegów porównawczych zwykły kontroler utrzymywał zadane ciśnienie, rozpoczął się duży tearing i plazma się załamała.

Jak to czytać

Ocena ryzyka tearing jest przewidywaniem wytrenowanego modelu, od 0 (ryzyka się nie spodziewamy) do 1 (wysokie ryzyko), na 25 milisekund naprzód. Kontroler trenowano z trzema różnymi granicami: 0,2, 0,5 i 0,7. Im niższa granica, tym ostrożniejszy kontroler. Przy 0,5 i 0,7 plazma przetrwała do końca zaplanowanego czasu; przy najostrożniejszej granicy 0,2 plazma załamała się mniej więcej w 5,5 sekundzie. Ostrożny kontroler zmniejszył grzanie do z góry ustalonej dolnej granicy i nie mógł go zmniejszyć dalej, a takiej interakcji nie było w jego treningu. Zatem ostrzejsza granica nie zawsze była lepszym wyborem. Porównaj to ze zwykłym kontrolerem w tym samym eksperymencie: utrzymywał stały cel ciśnienia, po 2,6 sekundy rozpoczął się duży tearing i plazma załamała się 0,5 sekundy później.

Ograniczenia

Autorzy nazywają pracę dowodem koncepcji na wczesnym etapie dostrajania. Przetestowano ją na jednej maszynie z dwiema nastawami (moc grzania i kształt plazmy), a pozostałe parametry, w tym prąd plazmy, utrzymywano stałe, by warunki były bliskie planowanym dla ITER. Model przewidujący jest czarną skrzynką: potrafi powiedzieć, że tearing jest prawdopodobny, ale nie wyjaśni przyczyny. Autorzy zaznaczają, że kontroler trzeba będzie sprawdzić z większą liczbą nastaw, na przykład z grzaniem falami radiowymi, które ITER planuje stosować, oraz z bardziej ograniczonym zestawem czujników, jaki będzie w elektrowni. W jednym teście z dodanym grzaniem falami radiowymi plazma załamała się po niezaplanowanej utracie prądu plazmy, choć kontroler poradził sobie z krótkim skokiem ryzyka. Autorzy podają też, że zmiany kształtu plazmy były duże, i obliczeniami sprawdzili, że cewki ITER mogą je wytworzyć.

Źródła

• Nature: unikanie niestabilności tearing plazmy fuzyjnej za pomocą głębokiego uczenia przez wzmacnianie, 21 lutego 2024 (Avoiding fusion plasma tearing instability with deep reinforcement learning)
• Wikimedia Commons: 2017 TOCAMAC Fusion Chamber N0689, zdjęcie komory próżniowej DIII-D (2017 TOCAMAC Fusion Chamber N0689, photo of the DIII-D vacuum vessel)