PACMAN объединил несколько ИИ-контроллеров в токамаке DIII-D

Удержание плазмы в токамаке требует корректировать изменения, способные нарастать за миллисекунды. Модели машинного обучения уже умели прогнозировать или контролировать отдельные задачи, но каждую демонстрацию обычно подключали к установке как изолированную систему. Andrew Rothstein, Hiro Farre-Kaga, Egemen Kolemen и их коллеги проверили, могут ли несколько моделей совместно использовать одни и те же диагностические сигналы и исполнительные устройства, не выдавая несовместимых команд. Их решением стала архитектура PACMAN — сокращение от Prediction And Control using MAchiNe learning, — установленная на исследовательском токамаке DIII-D в США.

PACMAN делит управление на четыре этапа. Сначала система собирает данные в реальном времени, включая температуру, плотность и магнитные сигналы, и проверяет их на ошибки. Затем выбранные для каждой задачи модели оценивают состояние плазмы или его ближайшее изменение. Контроллеры превращают оценки в запросы к нагреву, подаче газа и другим исполнительным устройствам. Последний слой согласует конкурирующие запросы, применяет физические ограничения установки и лишь после этого отправляет команды. Полный цикл обычно занимает около 20 миллисекунд и многократно повторяется во время экспериментального импульса.

Статья описывает пять отдельных применений на DIII-D. Контроллер с обучением с подкреплением управлял нагревом; одна модель оценивала вероятность выбросов энергии на краю плазмы; другая обнаруживала и контролировала волны, возбуждаемые быстрыми частицами; еще один контроллер направлял профили плотности и вращения к заданным исследователями целям; пятый пытался заранее обнаружить и предотвратить разрывную моду. Разрывная мода — магнитная неустойчивость, которая перестраивает плазму и может ухудшить ее характеристики. Пять задач использовали общую структуру входа, принятия решений и выхода, но не были одновременным испытанием всех возможностей.

В демонстрации с разрывной модой модель вычисляла вероятность появления неустойчивости в настраиваемом временном окне. При превышении порога контроллер перенаправлял микроволновый нагрев в нужную область плазмы. По данным лаборатории, прогноз появился примерно за 200 миллисекунд до ожидаемого возникновения неустойчивости, тогда как обычные системы обычно обнаруживают ее после начала. Этот запас времени позволил изменить плазму и избежать события, а не подавлять его после развития.

Архитектура также координировала шесть гиротронов — источников микроволн для нагрева плазмы, — меняя их мощность и положение зеркал ради заранее заданных целей. Люди-операторы по-прежнему выбирали цели и задавали параметры между импульсами. При отказе входного сигнала связанный контроллер не выдавал новый запрос; финальный слой дополнительно ограничивал каждую команду безопасным диапазоном оборудования. Продемонстрированная автономность относится к быстрому выполнению, а не к выбору научных целей или решению о запуске токамака.

Главное достижение относится к инженерии управления: общая инфраструктура приняла разные модели, разрешила конфликты исполнительных устройств и работала в реальных экспериментах. Это может сократить усилия по внедрению новых алгоритмов на DIII-D. Сохранит ли такая организация скорость, устойчивость и безопасность на других токамаках, должны показать новые установки и испытания; опубликованные эксперименты не измеряли чистый выход энергии и не оценивали работу будущей термоядерной электростанции.