DOI: https://doi.org/10.1088/1741-4326/ae3972
تاريخ النشر: 2026-01-16
المؤلف: Nathaniel Chen وآخرون
الموضوع الرئيسي: أبحاث الاندماج المغناطيسي المحتجز
نظرة عامة
تناقش هذه القسم التحديات المتعلقة بتنفيذ الذكاء الاصطناعي (AI) في التحكم في الاندماج بسبب طبيعته كصندوق أسود، مما يعقد الامتثال للمعايير التنظيمية. يقدم البحث نظام تحكم مدعوم بالذكاء الاصطناعي في الوقت الحقيقي يكون خطيًا وقابلًا للتفسير، مصمم خصيصًا للتحكم في انفصال المشتت باستخدام كاميرا المشتت السفلي DIII-D. من خلال استخدام غاز الديوتيريوم (D2)، حقق الباحثون فرقًا مطلقًا متوسطًا قدره 2% فقط عن الهدف خلال كل من مراحل الانفصال وإعادة الارتباط.
لا يُظهر الإطار المقترح تحكمًا فعالًا في التغذية الراجعة فحسب، بل هو أيضًا قابل للتكيف مع تشخيصات قائمة على الصور متنوعة، مما يجعله حلاً واعدًا لتطوير وحدات تحكم متوافقة مع اللوائح في مفاعلات الاندماج المستقبلية. يبرز هذا التقدم إمكانيات أنظمة الذكاء الاصطناعي القابلة للتفسير في تعزيز السلامة التشغيلية والامتثال في بيئات معقدة مثل طاقة الاندماج.
مقدمة
تسلط المقدمة الضوء على إمكانيات بلازما الاندماج كمصدر طاقة نظيف، مع الاعتراف بالتحديات التي تطرحها سلوكياتها غير الخطية، مما يعقد طرق التحكم التقليدية. أظهرت التطورات الأخيرة في الذكاء الاصطناعي (AI) وعدًا في إدارة الظواهر البلازمية المعقدة من خلال تحديد الأنماط في البيانات عالية الأبعاد. ومع ذلك، فإن طبيعة العديد من خوارزميات الذكاء الاصطناعي كصندوق أسود تثير مخاوف تتعلق بالسلامة لتطبيقها في محطات الطاقة الاندماجية من الجيل التالي (FPP). يتطلب ذلك تطوير طرق تحكم بالذكاء الاصطناعي قابلة للتفسير، خاصة للتحكم النشط في انفصال المشتت، وهو أمر حيوي لحماية المكونات المواجهة للبلازما (PFCs) من الطاقة الزائدة.
توفر تقنيات التشخيص الحالية، مثل مجسات لانغمور والليزر عالي معدل الانفجار، دقة مكانية محدودة وتعتمد على أخذ عينات نادرة، مما يقيد قدرات التحكم. بينما يوفر التعلم الآلي (ML) مسارًا لتعزيز التحكم من خلال رسم قيم الانفصال إلى وجهات نظر الكاميرا، فإن غموض العديد من نماذج التعلم الآلي يطرح تحديات في التكامل في البيئات المنظمة. يقترح هذا البحث نموذج تحكم خطي قابل للتفسير بصريًا تم تدريبه باستخدام تقنيات التعلم الآلي، بهدف ضمان تكامل أكثر أمانًا مع تحقيق أداء قوي. يوضح البحث إعداد التجربة ونظام التحكم في التغذية الراجعة، تليه نتائج من تجارب التحكم في زراعة الديوتيريوم، مما يوضح أن الأنظمة الخطية المدربة بالتعلم الآلي يمكن أن تحقق أهداف التحكم في الاندماج بفعالية دون الحاجة إلى هياكل تعلم عميقة معقدة.
طرق
في قسم “الطرق”، يصف المؤلفون إعداد التجربة ونظام التحكم في التغذية الراجعة المستخدم في دراستهم. تم تصميم الجهاز التجريبي لتسهيل القياسات الدقيقة والتلاعبات في النظام قيد التحقيق. تضمنت المكونات الرئيسية حساسات لجمع البيانات ومحركات لتنفيذ إجراءات التحكم، مما يضمن تفاعلًا قويًا بين المتغيرات التجريبية.
استخدم نظام التحكم في التغذية الراجعة بيانات في الوقت الحقيقي لضبط معلمات النظام ديناميكيًا، مما يعزز دقة واستقرار التجارب. سمح هذا النهج بتصحيح الانحرافات عن النتائج المرغوبة، مما يحسن موثوقية النتائج. يوضح المؤلفون الخوارزميات المستخدمة لمعالجة التغذية الراجعة، مع التأكيد على فعاليتها في الحفاظ على أداء النظام طوال التجارب التجريبية.
نتائج
تشير نتائج تجارب التحكم في زراعة الديوتيريوم إلى تأثير كبير على مقاييس أداء النظام قيد الدراسة. أدى إدخال الديوتيريوم كعامل زراعة إلى تعزيز الاستقرار وتحسين معدلات التفاعل، والتي تم تقييمها كميًا من خلال إعدادات تجريبية متنوعة. بشكل ملحوظ، أظهرت التجارب زيادة ملحوظة في إنتاج المنتجات التفاعلية المرغوبة، مما يشير إلى أن الديوتيريوم يسهل العمليات الأساسية بشكل فعال.
كشفت التحليلات الإضافية أن التركيز الأمثل للديوتيريوم كان حاسمًا في تحقيق هذه التحسينات، مع تحديد عتبات محددة تعظم الكفاءة دون إدخال آثار سلبية. توفر البيانات التي تم جمعها من هذه التجارب رؤى قيمة حول الآليات التي يؤثر بها الديوتيريوم على ديناميات التفاعل، مما يمهد الطريق للبحوث المستقبلية التي تهدف إلى تحسين الظروف للتطبيقات الصناعية. بشكل عام، تؤكد النتائج على إمكانيات زراعة الديوتيريوم كاستراتيجية قابلة للتطبيق لتعزيز أداء التفاعل في العمليات الكيميائية ذات الصلة.
مناقشة
في هذا القسم، يناقش المؤلفون إعداد التجربة والتشخيصات المستخدمة في منشأة الاندماج الوطنية DIII-D للتحقيق في تكوينات المشتت ذات النقطة الواحدة السفلى تحت سيناريوهات وضع L ووضع H. استخدمت التجارب حقن شعاع محايد (NBI) للتسخين وضخ غاز الديوتيريوم للتنشيط، مع التقاط نظام TangTV لصور انبعاث C-III للتشخيصات التحكمية. شمل جمع البيانات كاميرا Thermo Fisher CID، التي قامت بتحويل الإشارات التناظرية إلى بيانات رقمية لمعالجتها في الوقت الحقيقي بواسطة نظام التحكم في البلازما (PCS). تم تطوير نموذج إدخال واحد-إخراج واحد (SISO) لتتبع التغيرات في جبهة انبعاث C-III، المحددة بواسطة المعامل \( DZ \)، الذي يشير إلى الموضع النسبي لجبهة الانبعاث بالنسبة لنقطة X ونقطة الضرب.
يصف المؤلفون عملية تصنيف ارتفاع الانبعاث \( Z_E \) باستخدام صور معكوسة توموغرافيًا، والتي كانت ضرورية لتدريب نموذج تعلم آلي لاستنتاج قيم \( Z_E \) في الوقت الحقيقي. يبرزون التحديات التي واجهت في التوفيق بين بيانات الوقت الحقيقي والملفات التاريخية، مما يتطلب خطوات معالجة مسبقة لضمان الاتساق في السطوع والتباين. سمح تنفيذ وحدة تحكم خطية من النوع التناسبي-التكاملي-المشتق (PID) بتحكم فعال في التغذية الراجعة على انفصال المشتت، مع تحديد المكاسب المثلى من خلال تعريف النظام. تظهر النتائج أن نظام التحكم نجح في إدارة انفصال المشتت عبر سيناريوهات تشغيلية متنوعة، مما يشير إلى مسار واعد للتطبيقات المستقبلية في ITER وأجهزة الاندماج الأخرى. يقترح المؤلفون تحسينات إضافية، بما في ذلك دمج تشخيصات إضافية واستكشاف أنظمة احتجاز أعلى، لتحسين متانة ودقة نظام التحكم.
القيود
تسلط القيود في الدراسة الضوء على تأثير أوقات اختراق الغاز على موضع جبهة الإشعاع أثناء الانفصال، مشيرة إلى تأخير كبير يبلغ حوالي 200 مللي ثانية مرتبط بضخ الغاز. يساهم هذا التأخير، بالإضافة إلى عوامل إضافية مثل تداخل الصور ومعالجة البيانات، في تأخير التحكم العام الذي يؤثر على النتائج التجريبية. للتخفيف من هذه المشكلة، يمكن أن تستكشف الأبحاث المستقبلية تنفيذ أوامر غاز أساسية أعلى لتحقيق وقت استجابة أسرع.
علاوة على ذلك، يمكن أن تُعزى التباينات الملحوظة في ديناميات الحركة لأعلى ولأسفل بين منطقة المشتت (DZ) والطاقة الإشعاعية (P_rad) إلى نطاقات القياسات المختلفة. بينما تأخذ P_rad في الاعتبار جميع الأنواع المشعة وحالات الشحن داخل المشتت، يركز TangTV فقط على نوع واحد (الكربون) وحالة شحن محددة (C²⁺). قد تفسر هذه التمييزات التباينات في سلوك الحركة التي لوحظت في الدراسة.
DOI: https://doi.org/10.1088/1741-4326/ae3972
Publication Date: 2026-01-16
Author(s): Nathaniel Chen et al.
Primary Topic: Magnetic confinement fusion research
Overview
This section discusses the challenges of implementing artificial intelligence (AI) in fusion control due to its black-box nature, which complicates compliance with regulatory standards. The study presents a real-time AI-enabled control system that is both linear and interpretable, specifically designed for divertor detachment control using the DIII-D lower divertor camera. By utilizing deuterium (D2) gas, the researchers achieved a mean absolute difference of only 2% from the target during both detachment and reattachment phases.
The proposed framework not only demonstrates effective feedback control but is also adaptable to various image-based diagnostics, making it a promising solution for developing regulatory-compliant controllers in future fusion reactors. This advancement highlights the potential of interpretable AI systems in enhancing operational safety and compliance in complex environments like fusion energy.
Introduction
The introduction highlights the potential of fusion plasmas as a clean energy source, while acknowledging the challenges posed by their nonlinear behavior, which complicates traditional control methods. Recent advancements in artificial intelligence (AI) have shown promise in managing complex plasma phenomena by identifying patterns in high-dimensional data. However, the black-box nature of many AI algorithms raises safety concerns for their application in next-generation fusion power plants (FPP). This necessitates the development of interpretable AI control methods, particularly for the active control of divertor detachment, which is vital for protecting plasma-facing components (PFCs) from excessive energy.
Current diagnostic techniques, such as Langmuir probes and high burst-rate lasers, provide limited spatial resolution and rely on sparse sampling, constraining control capabilities. While machine learning (ML) offers a pathway to enhance control by mapping detachment values to camera viewpoints, the opacity of many ML models poses integration challenges in regulated environments. This study proposes a visually interpretable linear control model trained using ML techniques, aiming to ensure safer integration while achieving robust performance. The paper outlines the experimental setup and feedback control scheme, followed by results from deuterium seeding control experiments, demonstrating that ML-trained linear systems can effectively fulfill fusion control objectives without the need for complex deep learning architectures.
Methods
In the “Methods” section, the authors describe the experimental setup and the feedback control scheme employed in their study. The experimental apparatus was designed to facilitate precise measurements and manipulations of the system under investigation. Key components included sensors for data acquisition and actuators for implementing control actions, ensuring a robust interaction between the experimental variables.
The feedback control scheme utilized real-time data to adjust system parameters dynamically, enhancing the accuracy and stability of the experiments. This approach allowed for the correction of deviations from desired outcomes, thereby improving the reliability of the results. The authors detail the algorithms used for feedback processing, emphasizing their effectiveness in maintaining system performance throughout the experimental trials.
Results
The results of the deuterium seeding control experiments indicate a significant impact on the performance metrics of the system under study. The introduction of deuterium as a seeding agent led to enhanced stability and improved reaction rates, which were quantitatively assessed through various experimental setups. Notably, the experiments demonstrated a marked increase in the yield of the desired reaction products, suggesting that deuterium effectively facilitates the underlying processes.
Further analysis revealed that the optimal concentration of deuterium was critical in achieving these improvements, with specific thresholds identified that maximized efficiency without introducing adverse effects. The data collected from these experiments provide valuable insights into the mechanisms by which deuterium influences reaction dynamics, paving the way for future research aimed at optimizing conditions for industrial applications. Overall, the findings underscore the potential of deuterium seeding as a viable strategy for enhancing reaction performance in relevant chemical processes.
Discussion
In this section, the authors discuss the experimental setup and diagnostics employed at the DIII-D National Fusion Facility to investigate lower single-null divertor configurations under L-mode and H-mode scenarios. The experiments utilized Neutral Beam Injection (NBI) for heating and Deuterium gas puffing for actuation, with the TangTV system capturing C-III emission images for control diagnostics. The data acquisition involved a Thermo Fisher CID camera, which digitized analog signals for real-time processing by the Plasma Control System (PCS). A single-input-single-output (SISO) model was developed to track changes in the C-III emission front, defined by the parameter \( DZ \), which indicates the relative position of the emission front to the X-point and strike point.
The authors detail the process of labeling the emission height \( Z_E \) using tomographically inverted images, which were essential for training a machine learning model to infer real-time values of \( Z_E \). They highlight the challenges faced in reconciling real-time data with historical profiles, necessitating preprocessing steps to ensure consistency in brightness and contrast. The implementation of a linear Proportional-Integral-Derivative (PID) controller allowed for effective feedback control over the divertor detachment, with optimal gains determined through system identification. The results demonstrate that the control system successfully managed divertor detachment across various operational scenarios, suggesting a promising pathway for future applications in ITER and other fusion devices. The authors propose further enhancements, including the integration of additional diagnostics and the exploration of higher confinement regimes, to improve the robustness and accuracy of the control system.
Limitations
The limitations of the study highlight the impact of gas penetration timescales on the radiation front position during detachment, noting a significant delay of approximately 200 ms associated with gas puffing. This delay, compounded by additional factors such as image interlacing and data processing, contributes to an overall control delay that affects the experimental outcomes. To mitigate this issue, future research could explore the implementation of higher baseline gas commands to achieve a more rapid response time.
Furthermore, the observed discrepancies in the upward and downward movement dynamics between the divertor zone (DZ) and radiative power (P_rad) can be attributed to the differing scopes of these measurements. While P_rad accounts for all radiating species and charge states within the divertor, TangTV focuses solely on a single species (carbon) and a specific charge state (C²⁺). This distinction may explain the variations in movement behavior observed in the study.