Công nghệ AI để dự đoán và điều khiển hành vi plasma nhiệt hạch theo thời gian thực

Dự đoán và điều khiển hành vi plasma nhiệt hạch theo thời gian thực bằng AI

• Siêu phân giải đa phương thức: Các hệ thống phức hợp phi tuyến bị chi phối bởi nhiều thang vật lý không gian và thời gian không thể được hiểu đầy đủ chỉ bằng một phép chẩn đoán đơn lẻ. Việc kết hợp nhiều phép chẩn đoán sẽ tạo ra các phép chiếu không hoàn chỉnh của vật lý hệ thống. Có thể lấp đầy khoảng trống này bằng cách xác định các tương quan chéo ẩn. Để làm điều đó, một phương pháp học máy mang tính đổi mới đã được giới thiệu. Phương pháp này giúp xử lý các bất ổn plasma như chế độ cục bộ hóa ở rìa (ELM).

• Điều khiển profile RT bằng học máy: Nhiều "bộ chấp hành" được sử dụng để điều khiển plasma trong tokamak. Điều khiển dự đoán theo mô hình có thể nâng cao tỷ lệ thành công của các thí nghiệm vật lý và tiết kiệm thời gian. Vì các mô hình vật lý thời gian thực không phải lúc nào cũng chính xác, các mô hình học máy đã được phát triển để tạo ra dự đoán trong vòng dưới 100 micro giây chỉ bằng cách sử dụng chẩn đoán thời gian thực.

Giám sát hành vi plasma bằng chẩn đoán độ phân giải cao

• Phát hiện và phân loại bất ổn: Nghiên cứu đang được tiến hành để phát hiện và phân loại các bất ổn trong lõi plasma dựa trên tín hiệu phát xạ electron cyclotron. Các mô hình học máy như Reservoir Computing Networks đã chứng minh hiệu quả trong xử lý dữ liệu chuỗi thời gian.

• Nâng cao độ chính xác và phạm vi của dữ liệu chẩn đoán: Độ chính xác và phạm vi của dữ liệu chẩn đoán rất quan trọng để hiểu hiệu năng tối ưu của các thiết bị nghiên cứu nhiệt hạch và lò phản ứng. Thông qua cách tiếp cận dựa trên học máy, có thể tái tạo các tín hiệu chẩn đoán và cải thiện khả năng trực quan hóa tín hiệu.

Đối chiếu chéo và xác minh cơ sở dữ liệu quy mô lớn cho các mô hình vận chuyển tokamak

• Nâng cao độ tin cậy của dự đoán vận chuyển tokamak: Sử dụng các lần phóng DIII-D để bảo đảm ý nghĩa thống kê và nâng cao độ tin cậy của các mô hình dự đoán. Việc xác minh các bộ giải vận chuyển 1D ASTRA và TRANSP cho thấy độ chính xác cao trong dự đoán năng lượng lưu trữ, nhưng không có lợi thế thống kê so với các mô hình thực nghiệm đơn giản trong dự đoán profile nhiệt độ plasma.

Tách bức xạ divertor ổn định thông qua proxy mặt trước phát xạ carbon-III theo thời gian thực

• Tách divertor ổn định: Giúp tokamak duy trì khả năng giam giữ tốt đồng thời ngăn hư hại tấm divertor do thông lượng nhiệt quá mức. Có thể sử dụng các thuật toán học máy để trực tiếp tìm giá trị tách ở bất kỳ đâu trong tokamak và điều chỉnh tín hiệu chấp hành khi cần thiết.