Udržet plazma ve stavu vhodném pro jadernou fúzi vyžaduje rychlé zásahy. V tokamaku, zařízení využívajícím magnetické pole k uzavření plazmatu, se totiž mohou i malé poruchy během několika milisekund zvětšit natolik, že naruší celý výboj. Výzkumníci z Princeton University a americké Princeton Plasma Physics Laboratory nyní vyzkoušeli systém umělé inteligence, který dokáže stav plazmatu vyhodnotit a navrhnout zásah rychleji, než by na změnu mohl reagovat člověk.
Systém nazvaný PACMAN, což je zkratka pro Prediction And Control using MAchine learning, testovali při pěti experimentech na zařízení DIII-D National Fusion Facility v kalifornském San Diegu. Jeho úkolem nebylo pouze sledovat měření, ale také řídit vybrané části experimentu. Shromažďoval údaje o teplotě, hustotě a magnetických signálech, kontroloval jejich kvalitu a pomocí modelů strojového učení odhadoval současný i očekávaný vývoj plazmatu.
Na tyto odhady navazovaly řídicí algoritmy, které mohly například změnit výkon ohřevu nebo upravit hustotu a rotaci plazmatu. PACMAN přitom odděluje predikční a řídicí části od bezpečnostních pravidel. Návrhy umělé inteligence proto před odesláním k zařízení procházejí kontrolou, která má zabránit překročení povolených limitů. Lidé nadále určují cíle experimentu a omezení, systém však provádí rychlé korekce v průběhu výboje.
Předpověď nestability před jejím vznikem
Nejvýraznější zkouška se týkala takzvaného tearing mode, tedy nestability, při níž se magnetické struktury v plazmatu naruší a mohou vést k jeho zhoršenému udržení. Podle studie zveřejněné v časopise Nuclear Fusion dokázal PACMAN tuto nestabilitu předpovědět zhruba 200 milisekund před jejím vznikem a následně upravil řízení plazmatu tak, aby se nestabilita nevytvořila. Běžné řídicí systémy ji podle autorů rozpoznají až poté, co už začne.
Další experimenty ověřovaly, zda může systém samostatně řídit ohřev plazmatu, předvídat náhlé výrony energie z jeho okraje, reagovat na vlny buzené rychlými částicemi a udržovat hustotu a rotaci na předem stanovených hodnotách. Výzkumníci tak netestovali jednu izolovanou funkci, ale propojený rámec pro sběr dat, odhad vývoje a bezpečné provádění řídicích zásahů.
Výsledky představují demonstraci na experimentálním tokamaku, nikoli hotový systém pro fúzní elektrárnu. DIII-D pracuje v podmínkách výzkumného zařízení a testy neukazují, že by umělá inteligence sama vyřešila všechny problémy spojené s dlouhodobým provozem fúzního reaktoru. Význam pokusu spočívá především v ověření, že predikční modely a řídicí software lze zapojit přímo do reálného experimentu s plazmatem, nikoli pouze do počítačové simulace.
Studie nazvaná Enabling integrated AI control on DIII-D: a control system design with state-of-the-art experiments popisuje návrh a první zkoušky tohoto přístupu. Autoři chtějí systém dále rozvíjet tak, aby dokázal současně zpracovávat více diagnostických signálů, koordinovat různé řídicí úlohy a zachovat bezpečnostní omezení i při složitějším chování plazmatu.
Zdroj: ScienceDaily
Tento článek byl vytvořen s pomocí umělé inteligence a redakčně zkontrolován.