Princeton'ın yapay zeka sistemi füzyon plazmasını milisaniyeler içinde kontrol ediyorPrinceton's AI system controls fusion plasma in milliseconds

ÖzetSummary

Princeton ve PPPL araştırmacıları, PACMAN adlı modüler yapay zeka çerçevesini tanıttı. Sistem, füzyon plazmasını izleyip yaklaşık 20 milisaniye içinde ayarlıyor. DIII-D tokamakında yapılan beş deneyde, PACMAN yırtılma modu kararsızlığını başlangıcından yaklaşık 200 milisaniye önce tahmin etti.Researchers at Princeton and PPPL introduced PACMAN, a modular AI framework. The system monitors fusion plasma and adjusts it within approximately 20 milliseconds. In five experiments conducted on the DIII-D tokamak, PACMAN predicted tearing mode instability approximately 200 milliseconds before its onset.

Neden ÖnemliWhy it matters

Füzyon plazmasındaki kararsızlıklar milisaniye ölçeğinde büyür. Bu hız, insan reflekslerinin çok ötesindedir. Bu nedenle kararlı ve uzun süreli çalışmanın ön koşulu gerçek zamanlı yapay zeka kontrolüdür. PACMAN'ın modüler tasarımı, yeni modellerin aylar yerine günler içinde devreye alınmasını sağlar. Bu özellik, tokamak araştırmalarının şu an sıkıntısını çektiği iteratif döngüyü hızlandırabilir. Sonuç olarak, net enerji pozitif makinelerine giden yol kısalabilir.Instabilities in fusion plasma grow on a millisecond scale. This speed is far beyond human reflexes. Therefore, real-time AI control is a prerequisite for stable and long-duration operation. PACMAN's modular design allows new models to be deployed in days rather than months. This feature could accelerate the iterative cycle that tokamak research currently struggles with. Consequently, the path to net-energy-positive machines could be shortened.

Öne ÇıkanlarHighlights

• PACMAN, algı-tahmin-etki döngüsünü yaklaşık 20 milisaniyede tamamladı. Sistem, DIII-D'deki altı gyrotronu aynı anda koordine etti. Bu görev için daha önce hiçbir algoritma geliştirilmemişti.PACMAN completed the sense-predict-act loop in approximately 20 milliseconds. The system coordinated six gyrotrons on DIII-D simultaneously. No algorithm had previously been developed for this task.
• Bir pekiştirmeli öğrenme modeli, ısıtma sistemleri üzerinde tam yetkiye sahip kılındı. Ayrı bir model ise yırtılma modunu yaklaşık 200 milisaniye öncesinden tahmin etti. Bu sayede tepkisel düzeltme yerine önleyici bastırma yapılabildi.A reinforcement learning model was granted full authority over heating systems. A separate model predicted the tearing mode approximately 200 milliseconds in advance. This enabled proactive suppression instead of reactive correction.
• İlk modelin entegrasyonu aylar sürdü. İkinci model ise birkaç gün içinde eklendi. Bu durum, PACMAN'ın araştırma tokamaklarında haftalık yeniden eğitim döngülerini mümkün kılacağını gösteriyor.Integrating the first model took months. The second model was added in just a few days. This demonstrates that PACMAN will enable weekly retraining cycles in research tokamaks.

EleştiriCritical take

Tüm sonuçlar, DIII-D adlı orta ölçekli tek bir tokamaktan ve yalnızca beş atıştan elde edildi. Bu nedenle bulguların ITER veya SPARC gibi daha büyük ve karmaşık cihazlara genellenip genellenemeyeceği henüz kanıtlanmadı. 'İnsanlardan daha hızlı' ifadesi de durumu abartıyor. Zira insan operatörlerin 20 milisaniyelik bir kontrol döngüsünü kapatması beklenmiyordu.All results were obtained from a single medium-sized tokamak called DIII-D and only five shots. Therefore, it has not yet been proven whether the findings can be generalized to larger and more complex devices like ITER or SPARC. The phrase 'faster than humans' also exaggerates the situation. Since human operators were not expected to close a 20-millisecond control loop.