Hva skjedde
The Economic Times, som siterer Reuters, rapporterer at forskere ved Princeton University og US Department of Energys Princeton Plasma Physics Laboratory testet PACMAN, et AI-basert kontrollrammeverk for fusjonseksperimenter. På DIII-D tokamak analyserte systemet plasmasignaler, tok kontrollbeslutninger på omtrent 20 millisekunder, og spådde en farlig rivemodus-ustabilitet omtrent 200 millisekunder før den dukket opp. Kilden sier at PACMAN deretter justerte plasmaforholdene for å forhindre forstyrrelsen.
The Economic Times, som siterer Reuters, rapporterer at PACMAN står for Prediction And Control using MAchiNe learning. I stedet for å stole på én modell, kombinerer den maskinlæringsprediktorer, kontrollere og andre kontrollkomponenter. Rammeverket behandler kontinuerlig målinger relatert til plasmatemperatur, tetthet og magnetiske forhold, og bestemmer deretter hvordan tokamak skal reagere. Den rapporterte kontrollsløyfen opererer typisk på omtrent 20 millisekunder.
Forskere distribuerte PACMAN på DIII-D National Fusion Facility tokamak i San Diego og utførte fem eksperimenter som dekket flere kontrolloppgaver. I følge kilden inkluderte disse drift av varmesystemer med forsterkningslæring, forutsigelse av energiutbrudd fra plasmakanten, kontroll av raske partikkeldrevne bølger og justering av plasmatetthet og rotasjon.
I rivemodustesten rapporterer kilden at PACMAN forutså ustabiliteten omtrent 200 millisekunder før den inntraff og endret plasmaforholdene for å hindre den i å utvikle seg. Systemet koordinerte også seks gyrotroner, og justerte deres mikrobølgeeffekt og speilposisjoner i sanntid. Kilden gir ikke uavhengige testresultater utover de rapporterte eksperimentene, og dokumenterer heller ikke offentlig tilgang eller prissetting; dette var en forskningsdistribusjon på en spesifikk tokamak.
Kildedetaljer: m.economictimes.com ↗
Hvorfor det betyr noe
Stabilt plasma er en sentral utfordring for fusjonsforskning fordi forstyrrelser kan vokse raskere enn menneskelige operatører kan reagere. Den rapporterte testen antyder at maskinlæring kan støtte prediktiv sanntidskontroll i stedet for bare å analysere eksperimentelle data etterpå. Det kan hjelpe forskere med å drive stadig mer komplekse tokamaks, men det viser ikke kommersiell fusjonskraft eller fastslår at tilnærmingen vil fungere på tvers av andre maskiner og driftsforhold.
Fusjonsreaksjoner krever at plasma forblir ekstremt varmt, tett og stabilt. Kilden sier at konvensjonelle kontrollere generelt reagerer etter at en ustabilitet har begynt, mens PACMAN forsøkte å identifisere varselskilt tidlig nok til å gripe inn. En vellykket tilnærming til prediktiv kontroll kan gi forskere mer tid til å beskytte eksperimenter og forfølge mer komplekse driftsmål.
Den praktiske implikasjonen er hovedsakelig for fusjonsforskning og utvikling av kontrollsystem, ikke umiddelbar forbruker- eller kommersiell energitilgang. Kilden sier å legge til en ny modell tok dager etter at det første rammeverket ble bygget, noe som kan forkorte eksperimenteringssyklusene. Rapporten fastslår imidlertid ikke at PACMAN kan opprettholde stabil fusjon for kraftproduksjon, redusere de totale reaktorkostnadene eller utkonkurrere alle konvensjonelle kontrollmetoder.
Interaktiv mekanisme: Hvordan det faktisk fungerer
Utforsk den underliggende teknologien bak denne utviklingen interaktivt.
A route planner searches possible journeys using explicit rules. What does this illustrate about AI?
Hva du skal se neste
Ytterligere testing vil måtte vise om PACMAN generaliserer på tvers av tokamaks, plasmatilstander og forskjellige ustabilitetstyper. Kilden sier også at rammeverket ikke er egnet for hendelser som utvikler seg på sub-millisekunders tidsskalaer. Sikkerhetsgrenser er fortsatt viktige fordi AI-anbefalte kommandoer sjekkes mot maskinvarebegrensninger før de sendes til maskinen.
Det neste viktige beviset vil være replikering på tvers av forskjellige tokamaks og plasmaregimer, sammen med resultater for ytterligere ustabilitetstyper. Kilden bemerker eksplisitt at PACMANs millisekunds driftstidskala kanskje ikke håndterer fenomener som utvikler seg på mindre enn et millisekund.
Forskere må også evaluere pålitelighet, feilmoduser og sikkerhetsbegrensningene rundt automatiserte kommandoer. Ifølge kilden definerer forskere mål, maskinvare begrenser handlinger, og forskere vurderer resultatene. Rapporten angir ikke hvordan systemet yter under uventede sensorfeil, distribusjonsskift eller forhold utenfor treningsdataene.