// SCINEXX — SPAZIO & SCIENZA
PACMAN-KI steuert Fusionsplasma in Millisekunden
Fusionsplasmen verändern sich so schnell, dass aufwendige Simulationen für die direkte Regelung oft zu langsam sind. Das neue KI-Framework PACMAN hat nun in fünf Experimenten am DIII-D-Tokamak unterschiedliche Vorhersage- und Steuermodelle in einem gemeinsamen System verbunden und Messdaten innerhalb von Millisekunden in Befehle umgesetzt, während feste Sicherheitsgrenzen erhalten blieben.
Plainsboro (U.S.A.). In einem Tokamak wird ein extrem heißes, elektrisch geladenes Gas mit starken Magnetfeldern eingeschlossen. Damit ein solches Plasma stabil bleibt, müssen Heizung, Magnetfelder und Gaszufuhr ständig angepasst werden. Manche Störungen entwickeln sich innerhalb von Millisekunden, also schneller, als ein Mensch reagieren kann.
Maschinelles Lernen kann Plasmazustände wesentlich schneller abschätzen als aufwendige physikalische Simulationen. Bisher wurden viele solcher Modelle jedoch als einzelne Demonstrationen entwickelt. Für eine umfassendere Regelung fehlte deshalb ein gemeinsamer Rahmen, der unterschiedliche Modelle, Messdaten und Stellglieder in Echtzeit sicher zusammenführt.
Forscher der Princeton University um Andrew Rothstein haben mit PACMAN, kurz für Prediction And Control using MAchiNe learning, eine solche Architektur entwickelt und am DIII-D-Tokamak erprobt. Der Rahmen soll unterschiedliche Modelle und Regler in einer gemeinsamen Echtzeitumgebung nutzbar machen, ohne ihre jeweilige Funktion fest miteinander zu verdrahten.
PACMAN gliedert die Regelung in vier aufeinanderfolgende Blöcke. Zunächst werden Echtzeitmessungen geprüft und vereinheitlicht, danach schätzen Modelle den Plasmazustand, Steueralgorithmen berechnen passende Eingriffe und ein Ausgangsblock löst widersprüchliche Befehle auf. Bevor ein Signal an die Anlage geht, begrenzt das System die Stellwerte zusätzlich auf festgelegte Sicherheitsbereiche.
Die Architektur ist für Zykluszeiten von ungefähr fünf bis 50 Millisekunden ausgelegt. In der offiziellen Studienmitteilung nennt das Team für den gesamten PACMAN-Durchlauf typischerweise etwa 20 Millisekunden. Die einzelnen KI-Modelle der fünf beschriebenen Anwendungen benötigten laut Facharbeit zwischen 0,2 und 15 Millisekunden für ihre Berechnung.
Die Forscher haben den Rahmen in fünf unterschiedlichen Experimenten auf DIII-D getestet. Ein Verstärkungslernmodell regelte Heizsysteme, ein anderes Modell sollte Tearing Modes, magnetische Instabilitäten im Plasma, frühzeitig erkennen und ihre Entstehung vermeiden. Weitere Anwendungen sagten Randinstabilitäten voraus, dämpften von schnellen Teilchen angeregte Plasmawellen und regelten Dichte und Rotation über mehrere Stellglieder gleichzeitig.
Bei der Profilregelung kombinierte PACMAN Messwerte mit einem modellprädiktiven Regler und passte Neutralteilchenheizung, Elektronenzyklotronheizung und Gaszufuhr an. Das System erreichte dabei eine Regelung von Dichte- und Rotationsprofilen über jeweils 33 Punkte. Der zugehörige Regelzyklus lag bei 20 Millisekunden.
Zusätzlich koordinierte PACMAN laut offizieller Studienmitteilung sämtliche sechs Gyrotrons von DIII-D, die das Plasma mit Mikrowellen heizen. Spiegelrichtungen und Leistungen wurden während des Experiments gemeinsam angepasst, um ein vorgegebenes Ziel zu treffen.
„Bisher gab es keinen Algorithmus, um diese optimale Lösung zu finden“, sagt Hiro Josep Farre Kaga von der Princeton University.