เทคโนโลยี AI เพื่อการคาดการณ์และควบคุมพฤติกรรมพลาสมานิวเคลียร์ฟิวชันแบบเรียลไทม์

การใช้ AI เพื่อคาดการณ์และควบคุมพฤติกรรมพลาสมานิวเคลียร์ฟิวชันแบบเรียลไทม์

• ซูเปอร์รีโซลูชันแบบมัลติโหมด: ระบบเชิงซ้อนแบบไม่เชิงเส้นที่ถูกครอบงำด้วยสเกลทางฟิสิกส์หลายมิติทั้งเชิงพื้นที่และเวลา ไม่สามารถทำความเข้าใจได้อย่างสมบูรณ์ด้วยการวินิจฉัยเพียงอย่างเดียว เมื่อรวมการวินิจฉัยหลายแบบเข้าด้วยกัน จะเกิดการฉายภาพที่ไม่สมบูรณ์ของฟิสิกส์ของระบบ จึงสามารถอุดช่องว่างนี้ได้ด้วยการระบุความสัมพันธ์ข้ามกันที่ซ่อนอยู่ เพื่อการนี้จึงมีการนำเสนอวิธีวิทยาแมชชีนเลิร์นนิงแบบใหม่ ซึ่งช่วยจัดการกับความไม่เสถียรของพลาสมา เช่น edge localized modes (ELM)

• การควบคุมโปรไฟล์แบบ RT ด้วยแมชชีนเลิร์นนิง: ในการควบคุมพลาสมาในโทคามัก มีการใช้ "แอคชูเอเตอร์" หลากหลายชนิด การควบคุมเชิงพยากรณ์ของแบบจำลองสามารถเพิ่มอัตราความสำเร็จของการทดลองทางฟิสิกส์และช่วยประหยัดเวลาได้ เนื่องจากแบบจำลองฟิสิกส์แบบเรียลไทม์ไม่ได้แม่นยำเสมอไป จึงมีการพัฒนาโมเดลแมชชีนเลิร์นนิงเพื่อสร้างการคาดการณ์ภายใน 100 ไมโครวินาที โดยใช้เฉพาะการวินิจฉัยแบบเรียลไทม์

การติดตามพฤติกรรมของพลาสมาด้วยการวินิจฉัยความละเอียดสูง

• การตรวจจับและจำแนกความไม่เสถียร: มีการดำเนินงานวิจัยเพื่อตรวจจับและจำแนกความไม่เสถียรในแกนพลาสมาโดยอิงจากสัญญาณการปล่อยอิเล็กตรอนไซโคลตรอน และได้แสดงให้เห็นว่าโมเดลแมชชีนเลิร์นนิง เช่น Reservoir Computing Networks มีประสิทธิภาพในการประมวลผลข้อมูลอนุกรมเวลาที่เป็นข้อมูลเวลา

• การยกระดับความแม่นยำและขอบเขตของข้อมูลวินิจฉัย: ความแม่นยำและขอบเขตของข้อมูลวินิจฉัยมีความสำคัญต่อการทำความเข้าใจสมรรถนะที่เหมาะสมที่สุดของอุปกรณ์วิจัยนิวเคลียร์ฟิวชันและเตาปฏิกรณ์ ด้วยแนวทางที่อิงแมชชีนเลิร์นนิง จึงสามารถสร้างสัญญาณวินิจฉัยขึ้นใหม่และปรับปรุงการแสดงภาพของสัญญาณได้

การตรวจสอบไขว้และการทวนสอบฐานข้อมูลขนาดใหญ่ของแบบจำลองการลำเลียงในโทคามัก

• การเพิ่มความน่าเชื่อถือของการพยากรณ์การลำเลียงในโทคามัก: มีการใช้การคายประจุ DIII-D เพื่อให้ได้ความมีนัยสำคัญทางสถิติและเพิ่มความน่าเชื่อถือของแบบจำลองการพยากรณ์ ผลการทวนสอบ 1D transport solvers อย่าง ASTRA และ TRANSP แสดงความแม่นยำสูงในการคาดการณ์พลังงานสะสม แต่ในการคาดการณ์โปรไฟล์อุณหภูมิของพลาสมา กลับไม่มีข้อได้เปรียบทางสถิติเมื่อเทียบกับแบบจำลองเชิงประสบการณ์อย่างง่าย

การแยกรังสีของไดเวอร์เตอร์อย่างเสถียรผ่านพร็อกซีด้านหน้าของการปล่อย Carbon-III แบบเรียลไทม์

• การแยกไดเวอร์เตอร์อย่างเสถียร: ช่วยให้โทคามักสามารถรักษาการกักเก็บที่ดีไว้ได้ พร้อมกับป้องกันความเสียหายของแผ่นไดเวอร์เตอร์จากฟลักซ์ความร้อนที่มากเกินไป โดยใช้อัลกอริทึมแมชชีนเลิร์นนิงเพื่อค้นหาค่าการแยกได้โดยตรงจากทุกตำแหน่งภายในโทคามัก และสามารถปรับสัญญาณแอคชูเอชันได้เมื่อจำเป็น