Искусственный интеллект против тиринг-неустойчивости на DIII-D

Что это

Токамак удерживает внутри магнитного поля в форме бублика чрезвычайно горячий газ, который называют плазмой. Иногда магнитные силовые линии внутри плазмы разрываются и вновь смыкаются, образуя кольцевые пузыри, которые называют магнитными островами. Это явление называют тиринг-неустойчивостью, и она служит главной причиной срывов, внезапных разрушений плазмы, которые прекращают опыт и могут повредить стенки установки. Группа из Принстонского университета и Национального центра термоядерных исследований DIII-D, исследовательского объекта Министерства энергетики США на территории компании General Atomics в Сан-Диего, обучила контроллер методом обучения с подкреплением: программа учится, пробуя действия и получая поощрение. Её обучали на компьютерной модели, которая за 25 миллисекунд вперёд предсказывает давление плазмы и оценку риска тиринга от 0 до 1. Контроллер научился менять две величины, мощность нагрева нейтральными пучками и форму плазмы, чтобы удерживать давление высоким, пока прогнозируемый риск остаётся ниже выбранного предела.

Почему это важно

Электростанции на основе токамака нужно высокое давление плазмы, чтобы вырабатывать энергию, и нужно избегать срывов, которые могут повредить стенки. Прежние методы в основном пытались подавить тиринг после его возникновения, а это часто происходит слишком поздно, поэтому здесь цель была в том, чтобы не допустить его с самого начала. По данным статьи в Nature, контроллер удерживал прогнозируемый риск ниже предела даже в трудных условиях, подобных запланированным для Международного экспериментального термоядерного реактора (ИТЭР), крупного международного проекта, который строится во Франции, где плазма вращается лишь медленно и тиринг особенно трудно предотвратить. В одном из сравнительных запусков обычный контроллер держал заданное давление, начался сильный тиринг, и плазма разрушилась.

Как это читать

Оценка риска тиринга представляет собой предсказание обученной модели, от 0 (риск не ожидается) до 1 (высокий риск), на 25 миллисекунд вперёд. Контроллер обучали с тремя разными пределами: 0,2, 0,5 и 0,7. Чем ниже предел, тем осторожнее контроллер. При 0,5 и 0,7 плазма продержалась до конца запланированного времени; при самом осторожном пределе 0,2 плазма разрушилась примерно на 5,5 секунде. Осторожный контроллер снизил нагрев до заранее заданной нижней границы и не мог снизить его дальше, а такого взаимодействия в его обучении не было. Выходит, что более строгий предел не всегда оказывался лучшим выбором. Сравните это с обычным контроллером в том же опыте: он держал фиксированное целевое давление, через 2,6 секунды начался сильный тиринг, и ещё через 0,5 секунды плазма разрушилась.

Ограничения

Авторы называют работу проверкой принципа на раннем этапе настройки. Её испытали на одной установке с двумя параметрами управления (мощность нагрева и форма плазмы), а остальные параметры, включая ток плазмы, держали неизменными, чтобы условия оставались близкими к запланированным для ИТЭР. Модель предсказания является чёрным ящиком: она может сказать, что тиринг вероятен, но не может объяснить причину. Авторы отмечают, что контроллер придётся проверить с большим числом параметров управления, например с радиоволновым нагревом, который планируют применять на ИТЭР, и с более ограниченным набором датчиков, какой будет на электростанции. В одном испытании с добавленным радиоволновым нагревом плазма разрушилась после незапланированной потери тока плазмы, хотя контроллер справился с коротким всплеском риска. Авторы также сообщают, что изменения формы плазмы были большими, и расчётом проверили, что катушки ИТЭР способны их создать.

Источники

• Nature: предотвращение тиринг-неустойчивости термоядерной плазмы с помощью глубокого обучения с подкреплением, 21 февраля 2024 года (Avoiding fusion plasma tearing instability with deep reinforcement learning)
• Викисклад: 2017 TOCAMAC Fusion Chamber N0689, фото вакуумной камеры DIII-D (2017 TOCAMAC Fusion Chamber N0689, photo of the DIII-D vacuum vessel)