Партнёрство между Commonwealth Fusion Systems (CFS), Принстонской лабораторией физики плазмы Министерства энергетики США (PPPL) и Окриджской национальной лабораторией привело к разработке инновационного подхода на базе искусственного интеллекта (ИИ) для быстрого обнаружения так называемых «магнитных теней» в термоядерных реакторах. Эти области защищены от интенсивного теплового воздействия плазмы, что критически важно для долговечности и безопасности оборудования.

Новый ИИ-инструмент для термоядерных систем

Разработанная система ИИ, получившая название HEAT-ML, может стать основой программного обеспечения, ускоряющего проектирование будущих термоядерных установок. Такой инструмент способен не только оптимизировать проектные решения, но и поддерживать работу реактора в реальном времени, корректируя параметры плазмы для предотвращения возможных проблем.

HEAT-ML была создана для моделирования небольшой части токамака SPARC, который строится компанией CFS. К 2027 году компания планирует продемонстрировать получение положительного энергетического баланса — чтобы SPARC вырабатывал больше энергии, чем потребляет.

Моделирование тепловых нагрузок

Оценка воздействия тепла на внутренние элементы SPARC — ключевая задача, требующая значительных вычислительных ресурсов. Для упрощения работы команда сосредоточилась на участке, где наиболее интенсивный поток тепла плазмы контактирует с материалом стенки. Эта часть токамака состоит из 15 плит в нижней части машины и подвергается максимальной тепловой нагрузке.

Для проведения таких симуляций исследователи формируют так называемые «теневые маски» — трёхмерные карты магнитных теней, то есть областей на внутренних поверхностях компонентов, защищённых от прямого теплового воздействия. Расположение этих теней зависит от формы деталей внутри токамака и их взаимодействия с магнитными линиями, удерживающими плазму.

Преимущества HEAT-ML

Изначально для расчёта теневых масок использовалась открытая программа HEAT (Heat flux Engineering Analysis Toolkit), впервые применённая для систем отвода тепла на экспериментальной установке PPPL. HEAT-ML отслеживает магнитные силовые линии от поверхности компонента, чтобы определить, пересекают ли они другие внутренние части токамака. Если пересекают, эта область считается «затенённой». Однако такой анализ занимал до 30 минут для одной симуляции, а для сложных геометрий — ещё дольше.

HEAT-ML устраняет этот узкий момент, ускоряя вычисления до нескольких миллисекунд. Система использует глубокую нейронную сеть, обученную на базе примерно 1000 симуляций SPARC, выполненных с помощью HEAT, чтобы научиться рассчитывать теневые маски.

Перспективы развития

В настоящее время HEAT-ML работает только для конкретной части системы отвода тепла SPARC и является дополнительной опцией в коде HEAT. Исследовательская команда планирует расширить возможности системы для расчёта теневых масок любых форм и размеров систем отвода тепла, а также для других компонентов, контактирующих с плазмой внутри токамака.

Работа поддержана Министерством энергетики США по контрактам DE-AC02-09CH11466 и DE-AC05-00OR22725, а также компанией CFS.