【儀表網(wǎng) 研發(fā)快訊】近日，中國科學(xué)院合肥物質(zhì)院等離子體所EAST大科學(xué)工程團隊孫有文課題組在托卡馬克人工智能物理研究方面取得系列新進展。該團隊利用先進的機器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)技術(shù)，成功開發(fā)了針對關(guān)鍵物理現(xiàn)象的智能預(yù)測與識別模型，相關(guān)研究成果發(fā)表于核聚變領(lǐng)域核心期刊Nuclear Fusion和Plasma Physics and Controlled Fusion。由王輝輝副研究員協(xié)助指導(dǎo)的博士生鄧郭洪為兩篇論文的第一作者。
 

　　在未來的大型聚變裝置(如ITER)中，等離子體大破裂因其瞬間釋放的巨大熱能和磁能，被視為對裝置安全運行的最大潛在威脅。因此，建立可靠的破裂緩解系統(tǒng)(DMS)至關(guān)重要，而這一切的前提是能對大破裂(“鎖模”現(xiàn)象是導(dǎo)致大破裂最主要的誘因之一)進行精準(zhǔn)、及時的預(yù)測。除了避免災(zāi)難性的破裂，實現(xiàn)對等離子體運行狀態(tài)的精確、智能識別與控制，是未來聚變堆實現(xiàn)高性能穩(wěn)態(tài)運行的另一核心問題。高約束模(H-mode)是ITER的標(biāo)準(zhǔn)運行模式，但其伴生的邊界局域模(ELM)可能對偏濾器靶板造成過高熱負荷，對其自動及時識別是未來聚變堆走向智能控制的重要一步。
 

　　課題組在鎖模破裂預(yù)測研究中，采用了“前置可解釋性”(ante-hoc)機器學(xué)習(xí)方法。該方法利用決策樹(Decision Tree)模型內(nèi)在的透明性，不僅要“知其然”，更要“知其所以然”。團隊開發(fā)的“可解釋性預(yù)測模型”，在測試集上的受試者工作特征曲線下面積(AUC)高達0.997，并成功揭示了導(dǎo)致鎖模破裂的關(guān)鍵物理量。在此基礎(chǔ)上，為滿足真實實驗需求，團隊進一步開發(fā)了“實時預(yù)測模型”，實現(xiàn)了94%的成功預(yù)警率和平均137毫秒的預(yù)警時間，足以滿足ITER對破裂預(yù)警的需求。這一研究不僅能夠為EAST提供可靠的破裂預(yù)警，更通過可解釋性分析，為深入理解破裂物理過程提供參考。
 

　　在另一項關(guān)于等離子體約束狀態(tài)自動識別的研究中，課題組創(chuàng)新性地采用了多任務(wù)學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)(MTL-NN)。該方法巧妙地將運行模式識別(判斷處于L-mode或H-mode)和邊界局域模(ELM)探測兩個緊密關(guān)聯(lián)的物理任務(wù)融合到一個模型中進行協(xié)同學(xué)習(xí)。通過共享網(wǎng)絡(luò)層，模型能夠?qū)崿F(xiàn)任務(wù)間的相互糾錯，顯著提升了模型的準(zhǔn)確性和魯棒性。為降低信號噪聲干擾，模型以物理定標(biāo)率中的標(biāo)量參數(shù)作為輸入特征。實驗結(jié)果表明，該多任務(wù)學(xué)習(xí)模型的識別準(zhǔn)確率高達96.7%，相比同一數(shù)據(jù)庫下的單任務(wù)模型提升了3.6%。這一成果為托卡馬克等離子體運行狀態(tài)提供了一種高效、精準(zhǔn)的實時“診斷儀”，是發(fā)展先進等離子體反饋控制系統(tǒng)、實現(xiàn)高性能穩(wěn)態(tài)運行的關(guān)鍵一步。
 

　　以上工作得益于EAST大科學(xué)裝置團隊成員間的共同協(xié)作。這些研究成果展示了人工智能在解決核聚變關(guān)鍵問題上的巨大潛力：不僅對EAST裝置未來的高效運行具有直接的應(yīng)用價值，也為ITER的智能控制和穩(wěn)定運行提供了重要的科學(xué)參考和技術(shù)儲備。
 

　　目前課題組正在深入開展多種物理過程的人工智能集成控制。相關(guān)研究受到國家磁約束核聚變能發(fā)展研究專項、國家自然科學(xué)基金、中國科學(xué)院先導(dǎo)B、安徽省自然科學(xué)基金、合肥物質(zhì)院院長基金等項目的資助。
 

圖1.一次放電實驗中的鎖模破裂預(yù)測及模型預(yù)警的決策路徑
 

圖2.鎖模破裂模型各特征的重要性排序
 

圖3. 用于等離子體約束狀態(tài)自動識別的多任務(wù)學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖