📢 转载信息
原文链接：https://news.mit.edu/2025/new-prediction-model-could-improve-reliability-fusion-power-plants-1007
原文作者：Jennifer Chu | MIT News
颠覆性进展：结合物理学与机器学习，确保聚变反应堆安全“关机”
托卡马克（Tokamak）装置旨在捕获和利用太阳的能量。这些聚变装置利用强大的磁场来约束比太阳核心温度还要高的等离子体，并将等离子体原子推向聚变，从而释放能量。如果托卡马克能够安全高效地运行，它们有望在未来提供清洁、无限的聚变能源。
目前，世界各地有许多实验性托卡马克正在运行，还有更多正在建设中。大多数是小型研究设备，旨在探索如何启动等离子体并捕获其能量。托卡马克面临的一个挑战是如何安全可靠地关闭目前以高达每秒100公里速度、超过1亿摄氏度运行的等离子体电流。
当等离子体变得不稳定时，必须进行这种“关机”操作（rampdowns）。为了防止等离子体进一步扰动并可能损坏设备的内部结构，操作人员会降低等离子体电流。但有时，这种降流过程本身也会使等离子体失稳。在一些设备中，降流曾导致托卡马克内部出现擦伤和划痕——这些轻微的损伤仍需要大量的时间和资源进行修复。
AI预测模型助力，实现高精度等离子体行为预测
现在，麻省理工学院（MIT）的科学家们开发了一种方法，可以预测托卡马克中的等离子体在降流过程中将如何表现。研究团队将机器学习工具与基于物理的等离子体动力学模型相结合，模拟了等离子体在降流和关闭过程中的行为以及可能出现的任何不稳定性。
研究人员使用瑞士一个实验性托卡马克的数据对新模型进行了训练和测试。他们发现该方法能够快速学习等离子体在不同降流方式下的演化情况。更重要的是，该方法仅使用了相对较少的数据就实现了高精度的预测。考虑到托卡马克每次实验运行成本高昂且高质量数据有限，这种训练效率非常有前景。
该团队在本周发表于《自然-通讯》（Nature Communications）的开放获取论文中强调了这一新模型，该模型有望提高未来聚变发电厂的安全性和可靠性。
论文主要作者、航空航天学研究生兼麻省理工学院等离子体科学与聚变中心（PSFC）扰动小组（Disruption Group）成员Allen Wang表示：“聚变若要成为有用的能源，就必须具备可靠性。要实现可靠性，我们就必须擅长管理我们的等离子体。”
该研究的麻省理工学院合作作者包括PSFC首席研究科学家兼扰动小组负责人Cristina Rea，以及信息与决策系统实验室（LIDS）的成员Oswin So、Charles Dawson和教授Chuchu Fan，还有来自美国Commonwealth Fusion Systems的Mark (Dan) Boyer以及瑞士等离子体中心的合作者。
“微妙的平衡”：托卡马克面临的挑战
托卡马克是实验性聚变装置，最早于20世纪50年代在苏联建造。该名称来源于俄语首字母缩写，意为“带磁线圈的环形室”。正如其名，托卡马克呈环形或甜甜圈状，利用强大的磁场来约束和加速气体，使其温度和能量高到足以使等离子体中的原子发生聚变并释放能量。
目前，托卡马克实验大多处于较低能量规模，很少有接近安全、可靠、可用能源所需尺寸和输出的。在实验性、低能托卡马克中，扰动通常不是问题。但是，当聚变机器扩大到电网规模时，在所有阶段控制更高能量的等离子体对于维持机器的安全高效运行至关重要。
Wang指出：“失控的等离子体终止，即使在降流过程中，也会产生剧烈的热流，从而损坏内部壁面。很多时候，尤其是在高能等离子体中，降流实际上会将等离子体推向某些不稳定性极限。因此，这是一个微妙的平衡。目前有很大一部分精力集中在如何管理不稳定性，以便我们能够定期、可靠地安全关闭这些等离子体。然而，关于如何将这一过程做得更好的研究相对较少。”
实现脉冲下降：结合AI与物理学模型
Wang和他的同事们开发了一个模型来预测托卡马克降流期间等离子体的行为。虽然他们可以简单地应用神经网络等机器学习工具来学习等离子体数据中的不稳定性迹象，但Wang表示，这类工具需要“海量的”数据才能分辨出极高温度、高能等离子体中那些极其微妙且转瞬即逝的变化。
相反，研究人员将神经网络与一个根据基本物理规则模拟等离子体动力学的现有模型相结合。通过这种机器学习与基于物理的等离子体模拟的结合，研究团队发现，仅需几百次低性能脉冲和少量高能脉冲，就足以训练和验证新模型。
他们用于这项研究的数据来自瑞士等离子体中心（位于洛桑联邦理工学院EPFL）运营的TCV——瑞士“可变构型托卡马克”。TCV是一个小型实验性聚变装置，主要用于研究，通常作为下一代设备解决方案的试验台。Wang使用了TCV数百次等离子体脉冲的数据，其中包括了每个脉冲的升温、运行和降流期间等离子体的温度和能量等属性。他对新模型进行了训练，然后进行了测试，发现该模型能够根据特定托卡马克运行的初始条件，准确预测等离子体的演变。
研究人员还开发了一种算法，用于将模型的预测转化为实用的“轨迹”（trajectories）——即等离子体管理指令，托卡马克控制器可以自动执行这些指令，例如调整磁场或温度以维持等离子体的稳定性。他们在TCV的几次运行中实施了该算法，发现它产生了安全降流的轨迹，在某些情况下比没有新方法的运行更快，且没有发生扰动。
Wang指出：“在某个时刻，等离子体总会消失，但当等离子体在高能量下消失时，我们称之为‘扰动’。在这里，我们将能量降至零。我们做到了很多次。而且我们全面地做得更好。因此，我们有统计学上的信心证明我们确实有所改进。”
这项工作得到了Commonwealth Fusion Systems (CFS) 的部分支持。CFS是麻省理工学院的一家衍生公司，旨在建造世界上第一台紧凑型、电网规模的聚变发电厂。该公司正在开发示范托卡马克SPARC，旨在产生净能量等离子体，这意味着它产生的能量将超过加热等离子体所需的能量。Wang和他的同事们正与CFS合作，研究如何利用新的预测模型及其类似工具来更好地预测等离子体行为，防止代价高昂的扰动，从而实现安全可靠的聚变能源。
Wang总结道：“我们正在努力解决科学问题，使聚变能够常规化应用。我们所做的工作是漫长旅程的开始。但我认为我们已经取得了一些不错的进展。”
该研究还得到了欧洲聚变组织（EUROfusion Consortium）框架的支持，通过Euratom研究与培训计划，并由瑞士教育、研究和创新国务秘书处资助。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，小白也可以简单操作。
青云聚合API官网https://api.qingyuntop.top
支持全球最新300+模型：https://api.qingyuntop.top/pricing
详细的调用教程及文档：https://api.qingyuntop.top/about
评论区