このフレームワークは PACMAN (MAchiNe 学習を使用した予測と制御の新しい頭字語) と呼ばれます。研究者らは、5 つの別々の実験で実際の核融合システムでのテストに成功しました。設計と初期結果は、雑誌に掲載された新しい論文で説明されています 核融合。

AIはFusionのミリ秒チャレンジを受け入れる

核融合は事実上無制限の電力を提供する可能性を秘めています。研究者らは、トカマクと呼ばれる機械を含め、地球上で核融合を実現するためのいくつかのアプローチを模索している。これらのデバイスは、プラズマ (物質の第 4 の状態と呼ばれることが多い電気を帯びたガス) を閉じ込めるために強力な磁場に依存しています。

核融合が正常に進行するには、プラズマが高温、高密度、安定した状態を維持する必要があります。これには、トカマクの加熱装置、磁石、ガス注入器などのシステムを頻繁に調整する必要があります。不安定性として知られるプラズマ内の比較的小さな乱れでも、数ミリ秒以内に蓄積して核融合反応を混乱させる可能性があります。

プラズマの挙動の予測も重要な問題です。高度なコンピューター シミュレーションには数日、場合によっては数か月かかる場合もあります。これらのツールは今後の実験を計画するのに役立ちますが、テスト全体が数分しかかからない場合、リアルタイムで実験をガイドするには遅すぎます。

「これは、1年後の次の実験の準備には最適ですが、制御のためには、その瞬間に意思決定を行うモデルが必要です」と、共著者でプリンストン大学とPPPLの共同プログラムであるプリンストン大学プラズマ物理学プログラムの大学院生であるヒロ・ファレ・加賀氏は述べた。 「機械学習モデルはプラズマの挙動を非常によく記述することができます。そしてさらに重要なことに、機械学習モデルはプラズマをミリ秒単位でモデル化する唯一の方法です。これらのモデルの速度が制御の鍵となります。」

複数の AI モデルを 1 つの Fusion システムに取り込む

機械学習は、核融合プラズマを制御するための大きな可能性をすでに示しています。しかし、これまでの取り組みの多くは、異なるモデルを簡単に連携させるための共通のフレームワークがなく、個別に開発されました。核融合システムでは、マシンとプラズマのさまざまな部分を同時に監視および制御する必要があるため、複数のモデルが必要です。

PACMAN は、この共有構造を提供するように設計されています。

プリンストン大学機械航空宇宙工学科の大学院生で論文の共著者であるアンディ・ロススタイン氏は、「モデルが通信し、モデルの結果を共有し、統合システムでエキサイティングな物理学を実行できるように、このフレームワークを開発しました」と述べた。

このシステムは、複数の機械学習モデルを反復制御ループに結合し、人間よりもはるかに高速に実行されます。

「本当に集中力のある人間のオペレーターであれば、数秒程度で応答できます」とロススタイン氏は言う。 「通常、パックマンのフレーム全体は約 20 ミリ秒で実行されますが、一度だけ実行されるのではなく、何度も繰り返し実行されます。人間には決してできない方法で、プラズマ内で起こる小さなことを確認し、調整することができます。」

パックマンがトカマクを制御する方法

パックマンは 4 つのステーションからなる組み立てラインのようなものです。まず、トカマクから温度、密度、磁気信号などのライブ測定値を収集します。次に、システムはこれらの読み取り値にエラーがないかチェックし、それらを 1 つのパッケージに結合します。

次に、AI モデルは必要な測定値を選択し、それらを使用してプラズマが現在行っていること、または将来行う可能性のあることを計算します。コントローラーはこの予測を受け取り、加熱ビームの出力を増やすなど、必要なアクションを決定します。

最後のステップでは、PACMAN はコントローラーからの矛盾する命令を解決し、厳格なハードウェア安全制約を強制し、確認されたコマンドをトカマクに送信します。モデルとコントローラーは独立して動作するため、科学者はフレームワークの残りの部分を中断することなく新しいコンポーネントを導入できます。

AIは実際のFusion車でテストされています

研究者らは、サンディエゴでDOE DIII-D National Fusionトカマクを使用した5つの実験でパックマンの柔軟性を実証した。

これらのテスト中に、パックマンは次のことを行います。

• AI モデルは、加熱システムを完全に制御するための強化学習として知られる試行錯誤のアプローチを通じて学習できます。
• プラズマエッジからの突然のエネルギーバーストを予測します。
• 高速粒子によって駆動されるプラズマ内の検出可能および制御可能な波。
• 研究者が設定した目標に合わせてプラズマ密度と流量を調整しました。
• ブレイクアウト状態として知られる不安定性を予測し、それが起こる前に停止しました。

バースト モードの実験により、システムの潜在的な利点の 1 つが示されました。従来のコントローラーは、この不安定性がトリガーされるまで検出できません。

「その後、彼らはそれを抑制しようとし、それが仕事の大幅な低下を引き起こす可能性があります」とファレ・カガ氏は語った。 「私たちが紹介している実験の 1 つでは、機械学習モデルが破裂状態を約 200 ミリ秒まで予測するため、プラズマを交換してそもそも破裂を回避できます。」

パックマンはまた、6 台の DIII-D ジャイロトロン (高出力のマイクロ波放射でプラズマを加熱するシステム) をすべて同時に同期させることもできました。研究者が事前に選択した複雑な目標を達成するために、フレームワークはジャイロトロンの出力を調整し、リアルタイムでミラーも変更しました。

「以前は、この最適解を見つけるアルゴリズムは存在しませんでした」とファレ・カガ氏は語った。 「ショットが終了し、データを確認したところ、まさに私たちが期待していたとおりの結果が得られ、ターゲットに当てるために 6 人が最適な方法で移動していました。」

人が制御しながら、より高速な Fusion エクスペリエンスを実現

ロススタイン氏は、最も驚くべき結果の1つは、PACMANが追加のAIモデルの導入をどれほど迅速に許可したかであると述べた。フレームを開発して最初のモデルを設置するまでには何か月もかかりました。

「その後、2 番目のモデルをインストールし始めましたが、数日かかりました。テストは簡単になり、エラーも大幅に減りました」と彼は言いました。 「DIII-D は何よりも研究用のマシンであり、時には物事が期待どおりに進まないこともあります。モデルを 1 週間実行できれば、再学習して次の週には新しいモデルを導入できます。これにより、以前は不可能だった再現性が可能になります。」

研究者らは、この枠組みは核融合実験から人間を排除することを意図したものではないと強調している。 PACMAN は、AI モデルが推奨するものに関係なくハードウェアの安全制限を適用し、物理学者は各テスト後に結果をチェックして、次のテストまでにコントローラーを改善できるようにします。

「コントローラーがどれほど複雑であっても、結局のところ、そのコントローラーのパラメーターを設定するのは人間のオペレーターです」とファレ・カガ氏は述べています。

将来の Fusion カー向けの柔軟な AI プラットフォーム

PACMAN のモジュール構造は、DIII-D 以外でも役立つ可能性があります。その開発者は、このフレームワークが、まだ設計されていない核融合機を含む、さまざまな形状、サイズ、装置のトカマクに適応できると考えています。

「パックマンは、AI ブロック アルゴリズムを組み合わせることができる柔軟なセットアップを採用しています。手を触れずに、新しいものを追加したり、1 つまたは複数を交換したりすることができます」と、プリンストン大学の機械および航空宇宙工学の准教授であるエゲメン コールメン氏は、アンドリンガー エネルギー・工学センターとともに述べました。 「このモジュール性により、AI プラズマ制御が一連の 1 回限りのデモンストレーションから、核融合コミュニティ全体が構築できるインフラストラクチャに変わります。」

論文の他の著者も含まれます リカルド・ショーシャキース・エリクソンと キム・サンギョン PPPL のジャラルディン・バット氏、プリンストン大学のピーター・シュタイナー氏、アザラクシュ・ジャラルヴァンド氏、およびプリンストン大学の若月拓馬氏 日本の国立研究開発法人量子科学技術研究開発機構。

この研究は、DE-FC02-04ER54698、DE-SC0015480、および DE-AC02-09CH11466 の賞に基づいて国家融合基金 DIII-D を利用して DOE 科学局によって支援され、助成金 DGE-203965 に基づいて国立科学財団によって支援されました。