提前 300 毫秒预测等离子体撕裂风险,普林斯顿大学发布 AI Controller

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

在能源需求增长和「碳中和」目标期限逼近的双重压力下,低碳、甚至是零碳排放的清洁能源应用是大势所趋。近年来,具有零碳排放发电潜力的核聚变得到了更加广泛的关注,越来越多的学者专家开始展开深入研究。

尽管托卡马克(Tokamak) 的聚变实验取得了显著成功,但障碍仍然存在,其中等离子体中断是 ITER 成功长脉冲运行必须解决的最关键问题之一。主要原因是等离子体极易「撕裂」,并且逃逸出用来约束它的强大磁场,进而造成聚变反应的中断。

在此前的研究中,已经能够实现短暂的聚变能量维持。如今,随着深度强化学习 (DRL) 技术在非线性、高维度驱动问题中显示出的高性能,人们也开始探索将其引入核聚变研究中。不久前,普林斯顿大学的研究人员开发了一个 AI 控制器进行自适应预测和控制,能够提前 300 毫秒预测到等离子体的潜在撕裂风险并及时干预,相关成果已发表于「Nature」。

图片

论文地址:
https://www.nature.com/articles/s41586-024-07024-9
关注公众号,后台回复「核聚变」即可下载完整论文

传统物理方法与 AI 相结合

如下图所示,研究人员将传统的基于物理的方法与先进的 AI 技术整合,改善对等离子体行为的控制和理解。

图片

图 a: 诊断系统,展示了本研究中用于监测和分析 DIII-D 托卡马克内等离子体的主要诊断工具。

其中包括了用于测量磁场的磁学设备、用于测量密度和温度分布的汤姆逊散射 (TS) 以及用于测量离子温度和流速的电荷交换复合 (CER) 光谱学。特定的撕裂不稳定性模式 m/n =2/1 在图中用橙色突出显示,彰显其重要性。

图 b: 加热、电流驱动和控制执行器,展示了用于加热等离子体、通过等离子体驱动电流和控制其行为的系统。

具体囊括了用于注入粒子束的设备、施加磁场的设备,以及使用微波或射频波**进行加热和电流驱动的设备。其中,控制执行器发挥着关键作用,不仅能操纵等离子体以达到期望条件,同时还能对抗像 m/n = 2/1 撕裂模式这样的不稳定情况。

图 c: 避免撕裂的控制系统,展示了预防或减轻撕裂不稳定性的控制系统。

在其预处理步骤中,通过轮廓重建 (profile reconstruction) 和平衡拟合 (equilibrium fitting, EFIT) ,将来自诊断系统的信号处理成相同维度和空间分辨率的结构化数据,并输入到深度神经网络 (DNN) 模型中。

图 d: 基于深度神经网络的 AI controller,决定整体束流功率和等离子体形状。

一个平衡拟合 (equilibrium fitting, EFIT) 算法处理低级控制任务,调整磁线圈电流和束流功率,从而满足 AI 的控制命令与用户预设的约束条件,例如维持特定的安全系数 (q95**) 和束流扭矩。

强化学习算法:防撕裂控制

聚变反应堆中,等离子体的状态如下图所示:

图片

等离子体状态图

图 a 中的黑线展示了随着外部加热(如中性粒子束)增加等离子体压力时,最终会达到一个稳定性限制。当超过这个限制时,会激发撕裂不稳定性。图 b 和 c 展示了一旦撕裂不稳定性被激发,等离子体将迅速被破坏,在实际操作中会导致严重后果。

基于深度神经网络和强化学习,研究人员开发了能够实时响应等离子体状态变化的智能控制系统,对等离子体未来状态进行预测,并相应调整控制动作,使得托卡马克操作遵循理想路径,在维持高压力的同时避免撕裂不稳定性。

图片

强化学习控制路径

强化学习模型使用一个奖励函数 (reward function) 来实现这一避障问题 (obstacle-avoidance problem)。用于预测未来撕裂不稳定性的动态模型集成了 OpenAI Gym 库,使其能够作为训练环境与控制器交互。防止撕裂控制器 (tearing-avoidance controller) 通过使用 Keras-RL 实现的深度确定性策略梯度方法进行训练。

强化学习的优势在于能够通过多执行机构(束流和形状)和多目标(低撕裂度和高 βN)控制器进入更高 βN 区域,同时维持可容忍的撕裂度。

DIII-D 中的防撕裂控制:传统 vs. AI

传统反馈控制的局限

尝试通过传统反馈控制方法维持标准化等离子体压力 (βN = 2.3)。然而在编号 193273 实验中(下图黑线),当时间达到 2.6 秒时,出现了大型的撕裂不稳定性,导致 βN 的不可恢复降解,最终在 3.1 秒时发生了等离子体中断。

AI 控制的优势

在编号 193280 实验中(下图蓝线),采用 AI 控制对束流功率和等离子体三角度进行自适应控制,确保预测的撕裂度不超过 0.5 的阈值。

实验结果显示,通过 AI 控制,成功将估计的撕裂度维持在给定阈值以下。与 193273 实验相比能够实现更低的撕裂度。

图片

传统控制与 AI 控制对比

不同撕裂阈值下控制策略

图片

不同撕裂阈值下的实验

研究人员比较了不同撕裂度阈值下的控制策略,实验编号 193277(上图灰线)、193280(上图蓝线)和 193281(上图红线)分别对应于撕裂度阈值 0.2、0.5 和 0.7 的控制实验。

在 k = 0.5 和 k = 0.7 的情况下,等离子体在预定的平顶期结束前表现出良好的稳定性。阈值较高的控制器 (k = 0.7) 在实验的早期阶段 (t < 3.5 s) 倾向于更积极地提高 βN,但这导致等离子体后续进入更不稳定的区域。

k = 0.2 较低阈值控制器在实验早期过于保守,过度抑制了不稳定性的可能性。直到 t = 5 秒时,AI 都维持了极低的撕裂度(小于0.2),但在 t = 5.5 秒时突然出现了难以避免的不稳定性。

相比之下,中等阈值 (k = 0.5) 的控制器能够持续维持等离子体稳定直至平顶期结束,并最终再次恢复 βN。这表明,为了长时间维持稳定的等离子体,需要一个最优阈值。

追逐清洁能源圣杯,仍面临重重挑战

可控核聚变**的实现是现代科学和工程领域最具挑战性的目标之一,被认为是清洁能源的圣杯。人类什么时候才能捧起这一圣杯,AI 在其中又扮演了什么样的角色?

这项研究成功证明了 AI 在有效控制聚变反应方面的潜力。此外,本论文的一作 Jaemin 在首尔国立大学核工程系攻读博士学位期间也创新性地利用强化学习方法,为 KSTAR(韩国超导托卡马克高级研究设施)设计了一种新型的等离子体控制算法。

图片

KSTAR 的托马克型核聚变反应堆全景图

尽管目前已经有越来越多的研究人员开始围绕核聚变展开深入科研,一步步走近这座圣杯,但目前仍有较多技术壁垒亟待解决:

1.等离子体稳定性:

控制高温等离子体的稳定性是实现可控核聚变的关键难题之一。等离子体必须被保持在足够高的温度和压力下,以维持必要的聚变反应速率,而这要求极为精确的磁场控制技术。

2.材料问题:

目前还没有能够承受长期高温、高中子流照射且不显著降解的材料。中子照射会导致材料变脆、性能下降,这对于反应堆的长期运行和经济性是一个大问题。

3.能量捕获与转换:

如何高效地从聚变反应中捕获能量,并将其转换为电能,也是目前研究的重点。高效率的热电转换系统对于实现经济可行的聚变能源至关重要。

4.聚变燃料的产生和供应:

氚和氘可发生核聚变反应,用于可控核聚变燃料。虽然氘在自然界中相对丰富,但氚极为稀缺,由于人工制备极其困难,需要通过中子捕获等方式在反应堆内部产生或采用其他方法获取,一千克氚的价值足足有上亿美元。

近年来,AI 已经在科研中带来了太多的惊喜,从 AlphaFold 高效预测蛋白质结构,到基于机器学习渲染黑洞图像,再到基于神经网络预测气象变化……

如今,等离子体稳定性这一难题被 AI 攻克,为 AI 在可控核聚变研究过程中的应用积累了经验,相信上述的更多挑战也将在研究人员的持续探索下冲破桎梏!

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统 船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。 阅读详情

相关推荐

AI 应用开发:四维架构落地实战——以 HR Agent 为例拆解感知·推理·记忆·执行【意图路由、规划编排、长期记忆、工具执行、面试题】

本文基于四维架构(感知·推理·记忆·执行),以HR Agent为例,系统拆解大模型应用从“聊天”到“生产可用”的落地路径。通过Spring AI实现意图路由、规划编排、RAG检索与工具调用,结合真实踩坑复盘,揭示架构化设计对安全、成本与可维护性的关键价值,为AI Agent工程化提供可复用的实战框架。

王大师企业官方博客 1325

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 341

linux下的EFIT运行演示(非原创).rar

linux下的EFIT运行演示(非原创).rar

ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信

AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。

淡然一笑 的专栏 280

Matlab+Matpower实战:手把手教你生成IEEE14节点FDIA攻击数据集(附完整代码)

本文提供了一份基于Matlab与Matpower工具构建IEEE14节点FDIA攻击数据集的完整实战指南。通过动态负荷数据模拟、潮流计算、状态估计及隐蔽攻击向量注入,手把手教你生成可用于电力系统网络安全研究的仿真数据集,并附有核心代码与调试技巧。

bean的博客 399

【FPGA】DDR3调试总结

DDR3管脚根据不同的功能可以分为:数据组、地址组、控制组和电源组。如图上所示,共96个管脚。

m0_51679724的博客 4970

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 616

自抗扰控制(ADRC)原理与MATLAB实现详解

自抗扰控制(ADRC)是一种先进的鲁棒控制策略,其核心在于通过扩张状态观测器(ESO)实时估计并补偿系统总扰动。相比传统PID控制,ADRC不依赖精确数学模型,特别适合处理非线性、时变系统。从控制原理看,ADRC将系统内部动态和外部扰动统一建模,通过带宽参数化方法实现快速响应与强抗扰能力。在工程实践中,ADRC已成功应用于无人机飞控、伺服系统等场景,MATLAB仿真显示其上升时间可比PID提升46%,抗扰动恢复时间缩短60%。典型实现包含ESO设计、扰动补偿和PD控制三部分,参数整定遵循ω₀=3~5倍系统带

weixin_33585822的博客 95

抽象主义人工智能和生命体AI的内在联系

彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。

抽象主义人工智能和生命体AI 209

【RT-DETR有效改进】计算训练好权重文件对应的FPS、推理每张图片的平均时间(科研必备)

本文给大家带来的改进机制是利用我们训练好的权重文件计算FPS,同时打印每张图片所利用的平均时间,模型大小(以MB为单位),同时支持batch_size功能的选择,对于轻量化模型的读者来说,本文的内容对你一定有帮助,可以清晰帮你展示出模型速度性能的提升以及轻量化的效果(模型大小),对于以提高精度为目的的读者本文也能够帮助大家展示出现阶段的模型速度指标。所以本文的内容是十分有用的机制,对于大家发表论文来说,下面的图片为运行后的效果可以看到,该有的指标均已打印(本文内容为我独家创新,全网无第二份)下面是效果图和文

Snu77的博客 3634

流体动力学仿真软件:XFlow_(16).案例研究:热传输与相变

包括密度、比热容、热传导系数等。

kkchenjj的博客 725

OpenAI Control Room 架构拆解:给企业 AI Agent 加一套可审计的急停系统

OpenAI 公开了用于追踪和停止研究模型工作负载的 Control Room。本文拆解 job_id、推理前鉴权、35 秒撤销窗口与 Fail Closed 设计,并给出企业 AI Agent 急停控制面的数据模型、FastAPI 参考实现、缓存撤销策略和故障演练清单。

jerry764的博客 345

【LDPC-7】LLR量化位宽对LDPC译码性能的影响分析——以最小和译码算法为例进行matlab仿真

最小和译码算法的步骤如下:最后译码结果如果满足或者完成所有迭代次数,则译码算法停止迭代,否则继续进行译码迭代操作。

FPGA/MATLAB学习教程/源码/项目合作开发 1472

OpenClaw 深度调查:把 AI 助手做成你自己的控制平面

对 openclaw/openclaw 的完整技术尽调:Gateway 架构、Agent 运行时、工具与沙箱、30 个消息通道、181 个插件、安全信任边界、工程代价与采用建议。17 章 / 10 张图,全部数字标注口径,数据截至 2026-10-31。

厚积薄发 363

信奥赛C++提高组csp-s之数论基础专题课:从同余到分数模运算1(知识地图:同余、裴蜀定理、扩展欧几里得、乘法逆元、分数模运算)

信奥赛C++提高组csp-s之数论基础专题课:从同余到分数模运算1(知识地图:同余、裴蜀定理、扩展欧几里得、乘法逆元、分数模运算)

王老师青少年编程 792

ANSYS专题-利用ANSYS SIwave进行PCB板的EMS仿真

本文详细描述了使用ANSYSSIwave进行电路板电磁敏感度(EMS)仿真的完整流程。主要步骤包括:导入AD软件生成的IPC2581文件,检查PCB叠层和电路参数,为敏感网络设置50欧姆端口并指定GND为参考网络,进行验证检查后设置频段范围和入射波类型(单/多入射、极化方式等),最后启动仿真并查看选定网络的EMS感应电压曲线。该过程提供了从文件准备到结果分析的全套操作指南,适用于评估电路板在电磁干扰环境下的性能表现。

whm128的博客 3625

AI赋能智慧港口建设|造形家快速生成港口全要素三维场景

随着智慧港口、港口数字孪生项目的持续推进,港口三维场景的需求日益旺盛。传统港口三维建模,往往需要航拍倾斜摄影采集数据,再人工搭建吊机、岸桥、船舶、集装箱等大量工业设施模型,项目周期长、人力成本高,修改迭代繁琐,制约港口可视化项目落地效率。国产AI三维建模工具,依托卫星影像 AI 识别能力,无需航拍作业,一键快速搭建港口完整三维场景,为港口数字孪生、方案汇报、投标演示提供高效的场景解决方案。

m0_69539167的博客 87

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

从设备增点到治理闭环:老旧小区物业数智化落地实践

系统连接合同审批、银行流水、收费记录与项目台账,执行到期提醒、收入核验、异常标色和月度对账,让每一笔资金来源明确、去向可查。针对设施老旧、诉求响应慢、公共收益不透明等问题,津南以6类小区为试点场景,统一建设物业数字化底座,关联楼栋、单元、房屋、业主、空间、设施设备、工单、公共收益等核心数据。系统采用统一编码管理,将摄像头、路灯、井盖、道路、绿化等设施纳入资产台账,解决纸质记录更新滞后、故障责任难追溯的问题。基于历史工单建立分类模型和知识库,辅助识别照明、给排水、电梯、环境秩序、秩序维护等问题;

wuyeshuzhihua的博客 163

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

企业微信iPad协议详解:接口接入、实时消息同步与语音转码实践

深入解析企业微信iPad协议的技术架构与开发思路,涵盖API接口接入、长连接通信、实时消息同步、Silk语音转码、异常重连及高并发优化,帮助开发者了解企业微信自动化系统的设计与实现。

欢迎来到祖安! 514

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

Product Hunt 热榜 2026-11-13:Plurai Simulation、YouArt Desktop App、Omnigraph

2026-11-13 Product Hunt 新产品精选:Plurai Simulation、YouArt Desktop App、Omnigraph。汇总 15 款产品的中文介绍、功能关键词和产品链接。

LaughingZhu的博客 619

【AI Agent面试系列】AI Agent可观测、评测、安全相关的知识点

之前的文章介绍了和,本文主要介绍AI Agent的测评、可观测等知识。

408

Docling 原理解读:是什么、为什么、怎么样

从论文视角拆解 Docling 的整体架构、DoclingDocument 数据模型、PDF 预处理、版面分析、OCR、TableFormer 双解码器、阅读顺序与装配流程,并解释版面框与 OCR 框的区别。

PLANTTHESON的博客 402

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程,跟着博主一起来还原整个过程。

夜郎King的博客 5168

从认识人工智能到理解机器学习:我的 AI 入门第一课

正式开始学习人工智能之前,我对 AI 的认识其实比较模糊:知道 ChatGPT、知道大模型,也知道现在很多岗位都在谈 AI,但如果有人问我“人工智能到底是什么”“机器是怎么学会识别一只猫的”,我未必能从头到尾讲清楚。上午的课程更偏向行业全景:人工智能的发展、研究方向、NLP、岗位分工、学习路线和 AI Coding 工具。下午的课程更偏向技术基础:机器学习的原理、有监督学习、深度学习、模型训练和评估方法。

chh563的博客 573

企业宣传片发前如何批量排查并遮挡视频里的敏感信息

做企业视频的人都会碰到一个具体问题:实拍画面里混进了不该出现的信息。办公室背景里有贴着客户信息的白板,采访对象的授权书边缘露出一串身份证号码,街采素材里路人面孔和车牌号直接入镜。人眼在时间线上扫视,会漏掉快速闪过的帧、画面边缘的小字、以及暗光区域里的证件号码。用抹影AI完成车牌、人脸和证件区域批量检测后,又手动补充了两个时间段的屏幕遮罩,最终导出时画面已无合规隐患。重点关注快速运动、遮挡、低光照条件下的目标,这些是漏检的高发区域。导入视频后选择要检测的目标类型(人脸、车牌、证件号、二维码等)。

Mysssone的博客 182
上一篇: 在 Jetson Nano 上部署预训练模型
下一篇: 【ScienceAI Weekly】「AI钢铁侠」黄仁勋在GTC大会聊英伟达布局科研;Overjet获牙科AI历史最大投资
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值