Токамаки - это машины, предназначенные для удержания и использования энергии солнца. В этих термоядерных установках используются мощные магниты, которые удерживают плазму, более горячую, чем ядро Солнца, и заставляют атомы плазмы сливаться и выделять энергию. Если токамаки смогут работать безопасно и эффективно, то однажды машины смогут обеспечивать чистую и безграничную термоядерную энергию.
Сегодня по всему миру действует ряд экспериментальных токамаков, и в стадии разработки находятся новые. Большинство из них представляют собой небольшие исследовательские машины, созданные для изучения того, как устройства могут раскручивать плазму и использовать ее энергию. Одна из проблем, с которыми сталкиваются токамаки, заключается в том, как безопасно и достоверно отключить ток плазмы, который циркулирует со скоростью до 100 километров в секунду при температуре более 100 миллионов градусов Цельсия.
Такие “спады” необходимы, когда плазма становится нестабильной. Чтобы предотвратить дальнейшее разрушение плазмы и потенциальное повреждение внутренних частей устройства, операторы уменьшают ток плазмы. Но иногда сам по себе разгон может дестабилизировать плазму. На некоторых машинах из-за сбоев в работе внутри токамака образовались царапины — незначительные повреждения, для ремонта которых все еще требуется значительное время и ресурсы.
Теперь ученые Массачусетского технологического института разработали метод прогнозирования поведения плазмы в токамаке во время разгона. Команда объединила инструменты машинного обучения с основанной на физике моделью динамики плазмы, чтобы смоделировать поведение плазмы и любые нестабильности, которые могут возникнуть при сбросе и выключении плазмы. Исследователи обучили и протестировали новую модель на данных о плазме, полученных из экспериментального токамака в Швейцарии. Они обнаружили, что с помощью метода быстро выясняется, как будет развиваться плазма, поскольку она была настроена по-разному. Более того, метод достиг высокого уровня точности при использовании относительно небольшого объема данных. Такая эффективность обучения является многообещающей, учитывая, что каждый экспериментальный запуск токамака является дорогостоящим, а качество данных в результате ограничено.
Новая модель, которую команда освещает на этой неделе в документе, опубликованном в открытом доступе Nature Communications, может повысить безопасность и надежность будущих термоядерных электростанций.
“Чтобы термоядерный синтез стал полезным источником энергии, он должен быть надежным”, - говорит ведущий автор Аллен Ван, аспирант по аэронавтике и астронавтике и член Disruption Group в Центре науки о плазме и термоядерном синтезе Массачусетского технологического института (PSFC). “Чтобы быть надежными, нам нужно научиться управлять нашей плазмой”.
Соавторами исследования в MIT являются главный научный сотрудник PSFC и руководитель группы по устранению сбоев Кристина Ри, а также сотрудники Лаборатории информационных систем и систем принятия решений (LIDS) Освин Со, Чарльз Доусон и профессор Чучу Фан, а также Марк (Дэн) Бойер из Commonwealth Fusion Systems и сотрудники Швейцарского плазменного центра в Швейцарии.
Хрупкий баланс при интеграции ИИ в систему ядерной энергетики
Токамаки - это экспериментальные термоядерные устройства, которые впервые были построены в Советском Союзе в 1950-х годах. Устройство получило свое название от русской аббревиатуры, которая переводится как “тороидальная камера с магнитными катушками”. Как и следует из названия, токамак имеет тороидальную форму и использует мощные магниты для удержания и раскручивания газа до температур и энергий, достаточно высоких, чтобы атомы в образующейся плазме могли сливаться и выделять энергию.
Сегодня эксперименты с токамаками относительно маломасштабны, и лишь немногие из них приближаются к размерам и мощности, необходимым для выработки безопасной, надежной и полезной энергии. Сбои в работе экспериментальных низкоэнергетических токамаков, как правило, не являются проблемой. Но по мере того, как термоядерные установки масштабируются до размеров сети, контроль плазмы гораздо более высокой энергии на всех этапах будет иметь первостепенное значение для поддержания безопасной и эффективной работы машины.
“Неконтролируемые отключения плазмы даже во время разгона могут генерировать интенсивные тепловые потоки, повреждающие внутренние стенки”, - отмечает Ван. “Довольно часто, особенно в случае с высокоэффективной плазмой, спады на самом деле могут приблизить плазму к некоторым пределам нестабильности. Таким образом, это хрупкий баланс. И сейчас большое внимание уделяется тому, как управлять нестабильностью, чтобы мы могли регулярно и надежно извлекать эту плазму и безопасно отключать ее. И проведено относительно мало исследований о том, как это хорошо делать ”.
Снижение импульса
Ван и его коллеги разработали модель для прогнозирования поведения плазмы во время разгона токамака. В то время как они могли бы просто применить инструменты машинного обучения, такие как нейронная сеть, для изучения признаков нестабильности в данных о плазме, “вам понадобилось бы чудовищное количество данных”, чтобы такие инструменты могли различать очень тонкие и эфемерные изменения в плазме с чрезвычайно высокой температурой и высокой энергией, говорит Ван.
Вместо этого исследователи объединили нейронную сеть с существующей моделью, которая имитирует динамику плазмы в соответствии с фундаментальными законами физики. Благодаря такому сочетанию машинного обучения и моделирования плазмы на основе физики команда обнаружила, что всего пары сотен импульсов при низкой производительности и небольшой горстки импульсов при высокой производительности было достаточно для обучения и валидации новой модели.
Данные, которые они использовали для нового исследования, получены от TCV, швейцарского “токамака переменной конфигурации”, эксплуатируемого Швейцарским плазменным центром в EPFL (Швейцарский федеральный технологический институт в Лозанне). TCV - это небольшое экспериментальное устройство для термоядерного синтеза, которое используется в исследовательских целях, часто в качестве испытательного стенда для устройств следующего поколения. Ван использовал данные нескольких сотен импульсов плазмы TCV, которые включали свойства плазмы, такие как ее температура и энергия во время нарастания, запуска и спада каждого импульса. Он обучил новую модель на основе этих данных, затем протестировал ее и обнаружил, что она способна точно предсказывать эволюцию плазмы с учетом начальных условий запуска конкретного токамака.
Исследователи также разработали алгоритм для преобразования предсказаний модели в практические “траектории” или инструкции по управлению плазмой, которые контроллер токамака может автоматически выполнять, например, для регулировки магнитов или поддержания температуры плазмы в стабильном состоянии. Они внедрили алгоритм в нескольких запусках TCV и обнаружили, что он создает траектории, которые безопасно замедляют плазменный импульс, в некоторых случаях быстрее и без сбоев по сравнению с запусками без нового метода.
“В какой-то момент плазма всегда исчезнет, но мы называем это нарушением, когда плазма исчезает при высокой энергии. Здесь мы снизили потребление энергии до нуля”, - отмечает Ван. “Мы делали это несколько раз. И у нас получалось намного лучше по всем направлениям. Таким образом, у нас была статистическая уверенность в том, что мы улучшили ситуацию ”.
Работа была частично поддержана Commonwealth Fusion Systems (CFS), подразделением MIT, которое намерено построить первую в мире компактную термоядерную электростанцию сетевого масштаба. Компания разрабатывает демонстрационный токамак SPARC, предназначенный для производства плазмы с чистой энергией, что означает, что он должен генерировать больше энергии, чем требуется для нагрева плазмы. Ван и его коллеги работают с CFS над способами, с помощью которых новая модель прогнозирования и подобные ей инструменты смогут лучше предсказывать поведение плазмы и предотвращать дорогостоящие сбои, обеспечивая безопасную и надежную термоядерную энергетику.
“Мы пытаемся решить научные вопросы, чтобы сделать термоядерный синтез обычным делом”, - говорит Ван. “То, что мы здесь сделали, - это начало еще долгого пути. Но я думаю, что мы добились неплохого прогресса"
Дополнительная поддержка исследованиям была оказана в рамках Консорциума EUROfusion в рамках Программы исследований и обучения Евратома и финансировалась Государственным секретариатом Швейцарии по образованию, исследованиям и инновациям.
Исследование MIT
Изображения созданы в KolerskyAI Nano Banana, Midjourney
