AI发现聚变反应堆内部隐藏的安全区域

这款名为HEAT-ML的新型人工智能为大幅加速未来聚变系统设计的软件奠定了基础。该软件还能通过调节等离子体状态，在聚变运行过程中实现科学决策，将潜在问题扼杀在萌芽阶段。

"这项研究表明，你可以利用现有代码创建AI代理来加速获取有效答案，这为控制和场景规划开辟了新思路，"PPPL数字工程负责人、《聚变工程与设计》期刊HEAT-ML论文合著者Michael Churchill表示。

作为驱动太阳与恒星的核反应，聚变能有望为地球提供近乎无限的电力。要实现这一目标，研究人员必须攻克关键科学与工程难题。其中一大挑战是处理等离子体释放的极端热量——当这些等离子体在被称为托卡马克的聚变装置中被磁场约束时，其温度甚至超过太阳核心。加速计算预测热负荷分布及托卡马克部件安全遮蔽区域，是实现聚变发电并网的关键。

"托卡马克中面向等离子体的部件可能接触极端高温的等离子体，导致熔化或损坏，"PPPL副研究物理学家、HEAT-ML论文第一作者Doménica Corona Rivera解释道，"最严重的情况将迫使运行中断。"

PPPL通过公私合作扩大影响力

HEAT-ML专为模拟CFS正在建造的SPARC托卡马克局部组件而开发。这家马萨诸塞州企业计划在2027年前实现净能量增益，即SPARC产出能量超过消耗能量。

模拟热量对SPARC内部的影响是实现该目标的核心，也是重大计算挑战。研究团队聚焦装置底部15块耐热瓦构成的排气系统区域——此处是等离子体热流与材料壁面交汇最剧烈的部位。

研究人员通过生成"阴影掩模"进行模拟。这些三维磁影图谱标明了聚变系统内部组件表面受遮蔽、免遭直接热冲击的特定位点。阴影分布取决于托卡马克内部构件形态及其与约束等离子体的磁力线相互作用。

创建优化聚变系统运行的模拟

最初，开源程序HEAT（热通量工程分析工具包）负责计算这些阴影掩模。该程序由CFS经理Tom Looby在读博期间与现任SPARC诊断团队负责人Matt Reinke共同开发，最早应用于PPPL国家球形环实验升级装置的排气系统。

HEAT-ML通过追踪部件表面发出的磁力线，判断是否与托卡马克其他内部构件相交来标记"阴影区"。但传统方法中，追踪这些线条并与复杂三维几何体求交成为主要瓶颈——单个模拟需耗时约30分钟，复杂结构耗时更长。

HEAT-ML采用深度神经网络突破这一瓶颈，将计算时间缩短至毫秒级。该AI通过分析约1000组SPARC模拟数据训练隐藏数学运算层，掌握阴影掩模计算规律。目前HEAT-ML仅适用于SPARC排气系统特定设计，但研究团队计划扩展其通用性，使其能计算任意形状尺寸的排气系统及托卡马克所有面向等离子体部件的阴影分布。

美国能源部通过DE-AC02-09CH11466和DE-AC05-00OR22725合同资助本项研究，CFS亦提供了支持。