Интеграция машинного обучения обеспечивает стабильность токамака, необходимую для непрерывной выработки электроэнергии.
В настоящее время исследователи внедряют алгоритмы машинного обучения непосредственно в системы управления токамаков, чтобы предотвратить внезапные коллапсы плазмы. Эти коллапсы, известные как разрывные моды, изменяют конфигурацию линий магнитного поля и нарушают симметрию, необходимую для стабильной работы.
Это достижение знаменует собой переход от реактивных мер безопасности к прогнозируемой, автоматизированной стабилизации сверхгорячей плазмы, необходимой для получения энергии ядерного синтеза.
Токамак — это устройство в форме пончика, использующее магнитные поля для удержания плазмы. В этой среде разрывные моды образуются в определенных местах, называемых рациональными поверхностями.
«Разрывные моды (TM) — медленно развивающиеся резистивные магнитогидродинамические (МГД) плазменные возмущения с резонансной модальной структурой — являются одной из основных неустойчивостей, угрожающих жизнеспособности токамака», — говорится в новом исследовании.
Формирование этих мод обусловлено сложным балансом стабилизирующих и дестабилизирующих эффектов. При нарушении этого баланса внутри плазмы образуется магнитный пузырь.
Этот рост замедляет вращение плазменного столба и в конечном итоге приводит к удару плазмы о стенку реактора, завершая процесс термоядерного синтеза. В неконтролируемом состоянии этот магнитный пузырь разрастается подобно слизню, останавливая систему и рассеивая плазму.
Решение для управления в реальном времени
Традиционные физические модели с трудом справляются с описанием этих явлений, поскольку лежащие в их основе механизмы нелинейны и хаотичны. Небольшие, быстрые неустойчивости в одной части вращающейся плазмы могут вызвать разрывную моду в другом месте.
Для решения этой проблемы исследователи Кристина Реа и Стюарт Бенджамин использовали машинное обучение для обработки больших объемов экспериментальных данных, полученных в ходе предыдущих операций на токамаках, с целью выявления предшественников этих нестабильностей.
Эти алгоритмы выявляют закономерности, указывающие на неизбежное разрывное повреждение, еще до того, как оно станет видимым для стандартных диагностических инструментов.
Эти основанные на искусственном интеллекте системы прогнозирования теперь используются для разработки активных контроллеров плазмы. Эти контроллеры получают данные из реактора в режиме реального времени и используют машинное обучение для определения стабильности плазмы в любой заданный момент времени.
Если система обнаруживает риск возникновения разрыва, контроллер автоматически корректирует магнитную конфигурацию, чтобы подавить этот режим или избежать условий, которые его вызывают.
Эта возможность крайне важна для Международной программы по физике токамаков, которая в настоящее время разрабатывает триггер для системы предотвращения сбоев в проекте ITER.
Для поддержания стабильности плазмы
По мере того, как эксперименты по термоядерному синтезу продвигаются к более высоким давлениям плазмы, спрос на эти контроллеры с искусственным интеллектом возрастает. Хотя более высокое давление необходимо для эффективного производства энергии, оно также увеличивает частоту и интенсивность разрывных мод.
Интеграция машинного обучения в операционную основу токамака позволяет инженерам поддерживать стабильность, необходимую для непрерывной выработки электроэнергии.
«Предсказать существование TM-моделей по-прежнему чрезвычайно сложно с помощью физических моделей, но их стохастическая сложность привлекает ученых, использующих машинное обучение», — заключил Бенджамин.
«Именно поэтому мы хотели объяснить, как в недавних исследованиях искусственный интеллект применялся к большим экспериментальным наборам данных токамаков, предоставляя новые сведения о физике TM и механизмах управления, которые мы должны усовершенствовать, чтобы гарантировать, что TM не поставят под угрозу работу электростанций токамаков будущего».
Эти контроллеры, по сути, действуют как автоматизированная система управления, поддерживая плазму в узких параметрах, необходимых для устойчивой термоядерной реакции.
Sourse: interestingengineering.com
