登录
 机构网站
  1. 首页
  2. 情报产品
  3. 快讯详情

《人工智能增强对聚变设备破坏的预测》

  • 来源专题：重大科技基础设施领域知识集成服务平台
  • 编译者： 魏韧
  • 发布时间：2020-09-14

  • 美国能源部普林斯顿等离子体物理实验室的研究人员使用人工智能改善对聚变能装置破坏威胁的预测。普林斯顿等离子体物理实验室的物理学家Michael Churchill将商业智能音箱和家庭助手的相关技术应用在研究中，使用直接从聚变实验获得的原始、高分辨率数据，利用深度学习技术对中断进行预测。主要优势在于这种技术不仅了利用未经修改的原始数据，而且还可以识别和存储长序列中的早期发展变化，这是当前技术难以做到的。
    世界各地的科学家试图在地球上复制聚变，以提供安全、清洁和几乎取之不尽的电力。中断指等离子体突然丧失控制，导致聚变反应停止，并可能严重损坏容纳聚变反应的托卡马克或聚变装置内壁。因此，准确预测并避免中断对设备的影响至关重要。测试结果表明，该技术能够准确地在早期预测是否即将发生中断，可用于触发安全系统，并停止发电。
    深度学习采用了神经网络算法，以过滤器相互连接的节点层形成预测的结果。当预测出错时，机器学习会通过“反向传播”调整。误差可以通过各层反馈，调整滤波器的权重，以实现更好的预测。该深度学习方法创新使用了“扩展卷积”，扩展了神经网络过滤器操作的数据输入，允许追踪远程、多尺度特性。
    这些发现具有广泛的意义。例如可以用来预测其他学科收集的长期、多尺度的时间序列数据结果。了解将预测从一个托卡马克迁移到另一个托卡马克的方法，对于预测和避免国际热核聚变实验堆的中断至关重要。

  • 原文来源：https://www.pppl.gov/news/2020/02/new-twist-artificial-intelligence-could-enhance-prediction-fusion-disruptions
106浏览量
原文链接
相关报告

  • 《核聚变领域掀起人工智能应用热潮》
    • 来源专题：能源情报网监测服务平台
    • 编译者：郭楷模
    • 发布时间：2025-05-06
    • 随着人工智能（AI）加速向各行各业渗透，其在核聚变领域也掀起新一波科研与应用的探索热潮。 4月21日，一场“受控核聚变与人工智能技术”为主题的学术会议在河北廊坊举行。会议由中国核学会核聚变与等离子体物理分会主办，吸引学界和业界近200位头部尖端人才参加。 在三天时间里，上百位专家以主旨报告、墙报张贴的方式分享各分支板块对聚变领域人工智能研究的最新成果与经验，涉及AI在核聚变装置运行控制中的应用、受控核聚变的智能模拟、聚变装置数字化与智能化平台等多个前沿课题。 有专家在现场接受媒体采访时直言，在高温超导技术与人工智能的加持下，聚变研发正从“永远50年”进入“10—20年”窗口期，商业公司的高效运作可能进一步缩短时间。目前，业内开始倾向于形成一个新共识——最快在2035年，就有望看到聚变商业应用的曙光。 AI赋能作用开始显现 “近年来，AI在等离子体物理与可控核聚变研究领域展现出强大的赋能作用。深度学习、强化学习等前沿算法技术被引入，应用于等离体模型程序的加速计算、复杂物理现象的实时识别与预测，以及聚变装置智能化运行控制等场景，带来一系列令人鼓舞的技术突破。”核工业西南物理研究院（以下简称“西物院”）聚变科学所党委书记李永革在会上指出。 那么，AI究竟能为可控聚变带来哪些助力？ “等离子体的约束与控制是聚变的关键难题之一。”北京大学应用物理与技术研究中心特聘研究员康炜解释，在聚变研究中，等离子体需要控制的参数高达上百个，以前只能凭经验估计形成方案，难以支撑实时应用，但在引入AI后就能同时实现多参数的协调控制，并快速迭代优化设计，从而大大加速稳态控制实现的可能性。 2022年12月，美国国家点火装置NIF在AI助力下成功实现能量输出大于激光能量输入（能量增益Q>1）的可控核聚变反应突破，在理论上验证了核聚变商业化的可能性。2023年，普林斯顿大学研究人员利用美国DIII-D国家核聚变设施的实验数据，训练出一种人工智能模型，能够提前300毫秒预测被称为“撕裂模不稳定性”的聚变堆等离子体不稳定性，有效避免了因等离子体不稳定导致的核聚变反应中断。 在中国，研究人员发现，通过部署应用数据模拟器，可将聚变实验装置中生成一炮（核聚变实验的一次等离子体放电过程称为一炮——编者注）控制策略的耗时从数天压缩至0.5小时，这在中国环流三号上已得到验证。 《中国能源报》记者从会上获悉，中国环流三号先后与之江实验室、浙江大学、南开大学、北京大学开展人工智能相关的联合实验提案，以破裂预测、EFIT-NN为代表的人工智能模块已实现实验常态化运行。此外，新奥集团（以下简称“新奥”）则以数智球形环装置为载体，着眼于聚变反应堆从设计、建造到运行全生命周期的安全管理需求加速聚变研发，目前在聚变数据平台、数字孪生系统、智能控制方面取得一系列进展。 另外，AI还可以在聚变相关知识整理和积累方面发挥重要作用，让不同背景的人才能快速进入聚变领域。 “人工智能将引发聚变的研发范式产生巨变，从而加速聚变研发进程。”新奥能源研究院院长刘敏胜接受《中国能源报》记者采访时表示，目前新奥已开发聚变领域的大模型数据库，结合大模型技术进行应用，显著提高科研人员的学习效率；2024年，新奥在“玄龙-50U”装置上实现利用人工智能技术对等离子位形的控制，并基于神经算子方法，开发装置的数字孪生系统，多物理场耦合仿真的速度相较传统商业软件提高了4个量级。 可控核聚变按下加速键 从2022年NIF实现净能量增益，到今年1月托卡马克装置（如EAST）实现千秒级高约束模运行，再至今年3月中国环流三号首次突破电子、离子温度“双亿”摄氏度，以及近日“玄龙-50U”氢硼等离子体实现百万安培电流，一系列阶段性突破均表明，聚变的科学可行性将得到全面验证。 “NIF目前已实现约5倍的能量输出与激光能量输入比(Q=5)。”康炜表示，从这一点上看，可控核聚变已实现，下一步业界非常看好其商业化。 值得注意的是，近年来，全球范围内“国家队”之外的私人资本在聚变领域日渐活跃。有数据显示，近五年，全球私人资本在聚变领域的投入已超50亿美元，远超政府项目。截至2024年底，全球核聚变行业已集聚45家民营公司，2024年投入私营聚变公司的公共资金增长了50%以上。 多位专家一致认为，随着相关技术突破及资本涌入，可控核聚变商业化已按下加速键。 比如，新奥计划在2035年建成商业示范堆，而美国Helion、中国星环聚能则计划在更早的2030年前实现这一目标，远早于此前业内普遍期待的“2050年之后”。 在康炜看来，当下行业信心大增的原因有两个：一是在磁约束领域，近年来高温超导技术已开始逐渐大规模转向工业应用，极大降低磁体相关的设备制造成本，丰富了应用经验；二是人工智能的突然爆发，对聚变界形成极大推动。 从当前行业发展态势看，中国聚变界对于人工智能的关注度丝毫不亚于国际，近两年与之相关的项目正呈现多点开花、全面爆发之势。 “西物院在受控核聚变与人工智能的交叉领域已有15余项相关领域科研课题，在实验数据智能分析与预测，数据驱动的仿真建模，聚变装置智能化运行等方面形成了典型应用能力。”李永革说，“我们切实感受到人工智能技术为聚变领域注入的新活力。” “这两年，我们团队的科研项目经费每年都翻倍增长。”康炜亦坦言，“今后5—10年，聚变都将是一个非常火热的行业。在国际上没有技术代差的情况下，基于国内强大的产业链综合制造优势，相信最快实现聚变发电的装置一定在中国。” 生态融合有待加码 在聚变研究中，因为实验环境复杂，获取高质量、完整的数据面临诸多困难，这将对AI模型的训练效果和预测准确性产生极大影响。 “虽然目前人工智能在聚变实验数据的处理、控制、破裂预测等各分支领域都有广泛应用，但应用深度只处于起步阶段。”哈尔滨工业大学教授王晓钢指出，通过60多年的探索，我国在聚变领域已积累大量数据，为下一步人工智能的深度探索奠定了良好基础。“但在各单位都有数据保密要求的情况下，现在面临的最大挑战是数据共享。” 另一方面，AI和聚变都有各自的语言范式，若将AI应用于聚变研究，需要既懂AI又懂聚变的复合型人才，但目前这类人才全面缺乏，而且跨学科合作也面临诸多障碍。“在这种情况下，AI和聚变两方都必须以开放的心态去聆听、理解对方的语言，以此形成真正的交互。”新奥能源研究院聚变人工智能科学家赵寒月说。 “实际上，目前聚变仍处于以深度学习、强化学习为主的‘小模型’时代。”赵寒月指出，外部大模型技术的飞速发展，给聚变行业带来新机遇。“大模型可以通过建立行业的知识平台，达到know—what的程度，但在聚变研究中更需要的是解决实际问题，这就需要至少到know—how的程度。聚变大模型目前朝着这个方向探索，未来有望对加速聚变研发发挥出关键作用。” 赵寒月认为，聚变与人工智能两个尖端领域的交叉需要全行业共同参与。“在大模型领域，DeepSeek以开源方式战胜了闭源，获得爆发式增长。和大模型类似，聚变未来也应该是开放的，要把各种可能的能力、资源都融进来，以生态融合推动快速发展。聚变人工智能领域更应该这样，因为技术爆发太快，闭源就是固步自封。” 据了解，新奥目前与北京大学、南开大学等多家高校开展战略合作，成立了聚变智能联合实验室，致力于开展聚变物理与人工智能学科交叉研究，为行业培养高端后备人才，加速聚变技术突破。
    22浏览量
    原文链接

  • 《人工智能可以实时预测聚变堆等离子体不稳定性》
    • 来源专题：能源情报网信息监测服务平台
    • 编译者：guokm
    • 发布时间：2024-02-27
    • 美国普林斯顿大学和普林斯顿等离子体物理实验室的研究人员已研发一个可用于实时预测聚变堆等离子体不稳定性的人工智能模型。该模型能够预测被称为“撕裂模不稳定性”的等离子体不稳定性。这种不稳定性由等离子体中的电流和压力梯度相互作用引起，是导致等离子体破裂的主要原因之一。相关研究成果已在近期出版的科技期刊《自然》上发表。 聚变能商业应用目前面临着许多重大技术和工程挑战，其中一个是等离子体可能失去稳定性，导致等离子体大规模破裂，进而导致聚变反应不能持续。 研究人员使用美国DIII-D国家聚变设施的实验数据来训练这一模型。结果表明，该模型可以提前300毫秒预测撕裂模不稳定性。300毫米足以供人工智能控制器调整聚变堆运行参数，确保等离子体运行的稳定性。
    60浏览量
    原文链接