PPPL：新人工智能增強了聚變能源系統內部視野

想象一下，觀賞一部最喜歡的電影，突然聲音停止了。音頻的數據丟失。剩下的只有圖像。如果人工智能（AI）可以分析視頻的每一幀，并根據圖像讀取嘴唇并記錄每次腳著地的動作自動提供音頻，，那會怎么樣？

普林斯頓大學的Azarakhsh Jalalvand表示，這是一種新的人工智能的設計理念，可以填補有關聚變燃料等離子體的缺失數據。Jalalvand是最近發表在《自然通訊》上的一篇關于人工智能的論文的主要作者，該論文被稱為Diag2Diag。他說：“我們已經找到了一種方法，可以從系統中的一堆傳感器中獲取數據，并為該系統中的另一種傳感器生成數據的合成版本。”合成數據與真實世界的數據一致，比實際傳感器提供的數據更詳細。這可以提高控制的魯棒性（健壯性），同時降低未來融合系統的復雜性和成本。“Diag2Diag還可以應用于其他系統，如航天器和機器人手術，通過增強細節和從故障或退化的傳感器中恢復數據，確保關鍵環境中的可靠性。”

這項研究是普林斯頓大學、美國能源部普林斯頓等離子體物理實驗室（PPPL）、中央大學、哥倫比亞大學和韓國首爾國立大學的科學家之間的國際合作結果。開發人工智能的研究中使用的所有傳感器數據都是從美國能源部用戶設施DIII-D國家聚變設施的實驗中收集的。

新的人工智能增強了科學家監測和控制聚變系統內等離子體的方式，并有助于使未來的商業聚變系統成為可靠的電力來源。Jalalvand說：“今天的聚變裝置都是實驗性的實驗室機器，所以如果傳感器出了什么問題，最糟糕的情況是我們在重新開始實驗之前浪費了時間。但如果我們把聚變視為一種能源，它需要全天候不間斷地工作。”

人工智能可能產生緊湊、經濟的融合系統

Diag2Diag這個名字來源于“診斷”一詞，指的是用于分析等離子體的技術，包括測量等離子體的傳感器。診斷以規則的間隔進行測量，通常間隔幾秒鐘。但沒有足夠頻繁地測量等離子體，以檢測特別快速發展的等離子體不穩定性：等離子體的突然變化可能使其難以可靠地產生電力。

聚變系統中有許多診斷方法可以測量等離子體的不同特性。例如，湯姆遜散射是一種用于被稱為托卡馬克環形聚變系統的診斷技術。湯姆遜散射診斷測量被稱為電子的帶負電荷粒子的溫度，以及密度：堆積在一個空間單位中的電子數量。它的測量速度很快，但還不夠快，無法提供等離子體物理學家保持等離子體穩定和峰值性能所需的細節。

該研究的首席研究員Egemen Kolemen說：“Diag2Diag在不花費硬件資金的情況下促進了你的診斷。”Egemen是由PPPL和普林斯頓大學安德林格能源與環境中心以及機械與航空航天工程系聯合任命的。

這對湯姆遜散射尤為重要，因為其他診斷方法無法在等離子體邊緣（也稱為基座）進行測量。它是最重要的監測部分，但很難測量。仔細監測基座有助于科學家提高等離子體性能，以便他們能夠學習有效地從聚變反應中獲得最大能量的最佳方法。

要使聚變能成為美國電力系統的主要組成部分，它必須既經濟又可靠。PPPL員工研究科學家SangKyeun Kim是Diag2Diag研究團隊的一員，他說人工智能推動美國朝著這些目標前進。Kim說：“今天的實驗性托卡馬克有很多診斷方法，但未來的商業系統可能需要更少的診斷方法。”“這將有助于通過減少不直接參與能源生產的組件來使聚變反應堆更加緊湊。”更少的診斷也釋放了機器內部的寶貴空間，簡化系統也使其更加堅固可靠，出錯的可能性更小。此外，它還降低了維護成本。

PPPL：穩定聚變等離子體的人工智能方法的領導者

研究小組還發現，人工智能數據支持了一種關于阻止等離子體中斷的方法如何運作的領先理論。世界各地的聚變科學家正在研究控制邊緣局域模（ELMs）的方法，ELMs是聚變反應堆中的強大能量爆發，會嚴重損壞反應堆的內壁。阻止ELM的一種有前景的方法涉及應用共振磁擾動（RMP）：對用于在托卡馬克內保持等離子體的磁場進行微小改變。PPPL是ELM抑制研究的領導者，最近發表了關于人工智能和傳統方法來阻止這些有問題的中斷的論文。一種理論認為，RMP在等離子體邊緣產生了“磁島”。這些島導致等離子體的溫度和密度變平，這意味著等離子體邊緣的測量結果更加均勻。

“由于湯姆遜診斷的局限性，我們通常無法觀察到這種扁平化，”PPPL首席研究科學家Qiming Hu說，他也參與了該項目。“Diag2Diag提供了更多關于這是如何發生的以及它是如何演變的細節。”

雖然磁島可以導致ELMs，但越來越多的研究表明，它們也可以使用RMP進行微調，以提高等離子體穩定性。Diag2Diag生成的數據為等離子體基座區域的溫度和密度同時變平提供了新的證據。這有力地支持了ELM抑制的磁島理論。了解這一機制對于商業聚變反應堆的發展至關重要。

科學家們已經在制定擴大Diag2Diag范圍的計劃。Kolemen指出，一些研究人員已經表示有興趣嘗試人工智能。他說：“Diag2Diag可以應用于其他融合診斷，并廣泛適用于診斷數據缺失或有限的其他領域。”。

這項研究得到了美國能源部的支持，獲得了DE-FC02-04ER54698、DE-SC0022270、DE-SC0.022272、DE-SC0.0024527、DE-SC00020413、DE-SC0015480和DE-SC0024626等獎項，以及韓國政府資助的韓國國家研究基金會RS-2024-00346024獎項。作者還獲得了普林斯頓人工智能實驗室2025-97的資助。

普林斯頓等離子體物理實驗室

PPPL正在嘗試使用等離子體（物質的第四種狀態）來解決世界上一些最棘手的科學技術挑戰。研究位于新澤西州普蘭斯伯勒的普林斯頓大學福里斯特爾校區，在聚變能、納米級制造、量子材料和器件以及可持續發展科學等一系列應用中激發了創新。該大學為美國能源部科學辦公室管理實驗室，該辦公室是美國物理科學基礎研究的最大支持者。

與 Ai 時代前沿合作，將大門向更多普通用戶敞開！無論你是對新技術充滿好奇心的愛好者，還是希望提升自己技能的職場人士，這里都有適合你的課程和資源。