Nouvelle étape importante dans la fusion nucléaire contrôlable, l'IA réalise pour la première fois une optimisation entièrement automatique du champ 3D du double tokamak, publiée dans le sous-numéro Nature

Éditeur |

Aujourd'hui, au Laboratoire de physique des plasmas de Princeton (PPPL), des scientifiques utilisent l'intelligence artificielle pour résoudre un défi urgent auquel l'humanité est confrontée : générer une énergie propre et fiable grâce au plasma de fusion.

Contrairement au code informatique traditionnel, l'apprentissage automatique est plus qu'une simple liste d'instructions. Il peut analyser des données, déduire des relations entre les fonctionnalités, et apprendre et s'adapter à partir de nouvelles connaissances.

Les chercheurs du PPPL+ pensent que cette capacité d’apprentissage et d’adaptation pourrait améliorer leur contrôle des réactions de fusion de diverses manières. Cela comprend le perfectionnement de la conception de la cuve entourant le plasma surchauffé, l’optimisation des méthodes de chauffage et le maintien d’un contrôle stable de la réaction sur des périodes de plus en plus longues.

Récemment, les recherches du PPPL sur l’IA ont obtenu des résultats significatifs. Les chercheurs du PPPL expliquent comment ils utilisent l’apprentissage automatique pour éviter les perturbations magnétiques et stabiliser les plasmas de fusion. Cette réalisation revêt une grande importance pour parvenir à une énergie de fusion durable. En analysant et en entraînant de grandes quantités de données, les chercheurs ont réussi à développer un modèle d’apprentissage automatique qui code avec précision pour détecter et éliminer les instabilités du plasma. (Source : General Atomics et Korea Fusion Energy Research Institute)

SangKyeun Kim, physicien chercheur au PPPL, auteur principal du document de discussion, a déclaré : « Les résultats de la recherche sont impressionnants car nous avons pu utiliser le même code en deux. sur différents appareils tokamak. "

La recherche pertinente est intitulée "Performance de fusion la plus élevée sans sursauts d'énergie de bord nocifs dans le tokamak

" et a été publiée dans "

Nature Communications

".

Lien papier : https://www.nature.com/articles/s41467-024-48415-w

Supprimer "l'explosion de bord" dans la fusion

Afin d'utiliser le le marché de l'énergie de fusion pour être économique Pour être compétitif, il doit atteindre un produit triple de fusion (nτT) élevé de densité ionique (n), de température (T) et de temps de confinement énergétique (τ) suffisants tout en maintenant la fusion.

Les ions nécessitent un facteur de qualité (G∝ατT) suffisant pour obtenir une dénaturation par fusion élevée, qui augmente avec la masse de confinement des ions (H89 : temps de confinement énergétique normalisé).

Pour que les conceptions de tokamak deviennent une option viable pour les réacteurs à fusion, des méthodes fiables doivent être développées pour supprimer régulièrement les événements d'éclatement de bord sans affecter G.

Les scientifiques ont utilisé diverses méthodes pour atténuer les événements d’épidémies de pointe. Une approche efficace consiste à utiliser la perturbation magnétique résonante (RMP) des bobines de champ 3D externes, qui s'est avérée être l'une des méthodes les plus prometteuses pour la suppression des rafales de bord.

Illustration : structure de bobine de champ 3D dans un tokamak. (Source : Paper)

Cependant, ce scénario a un coût élevé, entraînant une détérioration significative du H89 et du G par rapport aux systèmes plasma standard à haut confinement, affaiblissant ainsi les perspectives économiques. De plus, les champs 3D augmentent également le risque d’instabilité catastrophique du noyau, appelée perturbation, qui est encore plus grave qu’une éruption de bord. Par conséquent, l’accessibilité sûre et la compatibilité des opérations sans éclatement de bord et des opérations à haute contrainte doivent être explorées de toute urgence.

Réalisé sur deux tokamak pour la première fois

Cette recherche a mené pour la première fois une optimisation de champ 3D innovante et intégrée sur deux tokamak, KSTAR et DIII-D, en combinant apprentissage automatique (ML), adaptatif et multi-machine capacités d'accéder automatiquement et d'atteindre un état d'éclatement presque totalement sans bord tout en améliorant les performances de fusion du plasma à partir d'un état initial de suppression d'éclatement, une étape importante vers un fonctionnement en éclatement sans bord dans les futurs réacteurs.

Ceci est réalisé en exploitant le décalage entre l’apparition et la perte d’une rafale sans bord en temps réel pour améliorer le confinement du plasma, tout en étendant les capacités de ML en matière de capture de la physique et d’optimisation de la technologie de fusion.

Illustration : Comparaison des performances de décharge sans ELM dans les tokamak DIII-D et KSTAR. (Source : Paper)

Cette intégration aide à :

• Confinement du plasma hautement amélioré, atteignant la fusion G la plus élevée dans le scénario Edge Localized Mode-free (ELM-free) de deux machines, avec G augmenté jusqu'à 90 %

• Utilisation du champ 3D basé sur ML ; le simulateur réalise pour la première fois une optimisation de champ 3D entièrement automatique ;

• établit simultanément la suppression des rafales dès le début du fonctionnement du plasma, permettant un fonctionnement en rafale presque complet sans bord proche des niveaux liés à ITER. Cette réalisation représente une étape cruciale pour les futurs dispositifs tels que le réacteur thermonucléaire expérimental international (ITER), où le recours à l'optimisation empirique du RMP n'est plus une approche réalisable ou acceptable.

"Il existe des instabilités dans les plasmas qui peuvent causer de graves dommages aux dispositifs de fusion. Nous ne pouvons pas utiliser ces substances dans des récipients de fusion commerciaux. Nos travaux font progresser le domaine et montrent que l'intelligence artificielle peut être utile dans la gestion de la fusion. "Cela joue un rôle important rôle dans la réaction, en évitant l'instabilité tout en permettant au plasma de générer autant d'énergie de fusion que possible", a déclaré l'auteur correspondant Egemen Kolemen, professeur agrégé au Département de génie mécanique et aérospatial du PPPL.

Optimisation du champ 3D entièrement automatisée basée sur le ML

Dans cette expérience, une série de décharges est utilisée pour trouver des formes d'onde 3D optimisées pour une suppression ELM en toute sécurité.

Dans ce contexte, l'étude introduit la technologie ML pour développer de nouvelles voies d'optimisation automatisée des bobines 3D et démontre le concept pour la première fois.

Illustration : Algorithme d'optimisation RMP en temps réel basé sur l'apprentissage automatique. (Source : article)

Les chercheurs ont développé un modèle de substitution du code GPEC (ML-3D) pour exploiter des modèles basés sur la physique en temps réel. Le modèle utilise des algorithmes ML pour accélérer le temps de calcul jusqu'au niveau ms et est intégré à l'optimiseur RMP adaptatif de KSTAR.

ML-3D se compose d'un perceptron multicouche (MLP) entièrement connecté piloté par neuf entrées. Pour entraîner le modèle, 8 490 simulations GPEC équilibrées KSTAR ont été utilisées.

Illustration : performances du modèle ML-3D. (Source : article)

L'algorithme utilise le signal du moniteur d'état ELM (Dα) pour ajuster l'IRMP en temps réel, ce qui peut maintenir suffisamment de champs 3D de bord pour accéder et maintenir la suppression ELM. Dans le même temps, l'optimiseur de champ 3D utilise la sortie du ML-3D pour ajuster la répartition du courant sur la bobine 3D, garantissant ainsi un champ 3D sûr pour éviter les interruptions.

Illustration : Paramètres plasma d'une décharge supprimée ELM entièrement automatisée (#31873) avec optimisation RMP intégrée. (Source : article)

Dans les expériences KSTAR, l'optimiseur RMP adaptatif intégré au ML s'est déclenché en 4,5 secondes et a obtenu une suppression ELM sûre en 6,2 secondes.

La recherche montre également que le 3D-ML est une solution viable pour automatiser l'accès sans ELM. ML-3D est basé sur des modèles physiques et ne nécessite pas de données expérimentales, ce qui le rend directement évolutif pour ITER et les futurs réacteurs à fusion. Cette forte applicabilité aux futurs appareils met en évidence les avantages de l’approche intégrée d’optimisation de champ 3D de ML. En outre, une meilleure optimisation du champ et des performances de fusion plus élevées devraient être obtenues dans les futurs dispositifs dotés de limitations de courant de bobine 3D plus élevées.

La recherche a optimisé avec succès les états contrôlés sans ELM dans les dispositifs KSTAR et DIII-D avec des performances de fusion hautement améliorées, couvrant les RMP à faible n liés aux futurs réacteurs à nRMP = 3 RMP liés à ITER, et le plus haut niveau de divers sans ELM Les scénarios sont réalisés sur deux machines.

Illustration : Paramètres du plasma pour une amplitude RMP optimisée (#190738) avec des performances hautement améliorées. (Source : Paper)

De plus, l'intégration innovante d'algorithmes ML avec le contrôle RMP permet pour la première fois une optimisation de champ 3D entièrement automatisée et un fonctionnement sans ELM, avec des performances considérablement améliorées soutenues par un processus d'optimisation adaptative. Cette approche adaptative démontre la compatibilité entre la suppression RMP ELM et les limites élevées.

De plus, il fournit une stratégie robuste pour obtenir une suppression ELM stable dans des scénarios d'impulsions longues (d'une durée supérieure à 45 secondes) en minimisant la perte de fractions de courant limitantes et non inductives.

Notamment, une amélioration significative des performances (G) a été observée dans DIII-D avec nRMP = 3 RMP, montrant une amélioration de plus de 90 % par rapport à l'état de suppression ELM standard initial. Cette amélioration est attribuée non seulement au contrôle adaptatif RMP mais également à l'évolution auto-cohérente de la rotation du plasma. Cette réponse permet la suppression de l'ELM à de très faibles amplitudes RMP, améliorant ainsi la base. Cette fonctionnalité est un bon exemple de système passant à un état optimal grâce à une réponse auto-organisée à une modulation adaptative.

Illustration : Amélioration des performances de décharge grâce à l'optimisation adaptative du RMP. (Source : article)

De plus, le schéma adaptatif est combiné avec la première méthode de rampe RMP pour réaliser des scénarios sans ELM liés à ITER avec un fonctionnement presque totalement sans ELM. Ces résultats confirment que le contrôle RMP adaptatif intégré est une approche très prometteuse pour optimiser les états de suppression de l’ELM, avec le potentiel de relever l’un des défis les plus difficiles pour obtenir une énergie de fusion pratique et économiquement viable.

Contenu de référence : https://phys.org/news/2024-05-ai-intensive-aspects-plasma-physics.html

[Lecture recommandée]

• Ajouter à Nature, 300 Prédire à l'avance la "déchirure" du plasma lors de la fusion en quelques millisecondes, l'équipe de Princeton développe un contrôleur d'IA LLM pour la recherche sur la fusionApprentissage automatique pour trouver des combinaisons d'isotopes d'hydrogène appropriées pour les futures centrales nucléaires à fusion
  

• Précision de la simulation augmentée de 65 %, temps de formation réduit de 3 fois ou plus, DeepMind utilise des progrès améliorés en apprenant à contrôler la fusion nucléaire

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!