TokaMind преобразует результаты экспериментов на токамаках в прогностические модели для ускорения управления, моделирования и проектирования установок STEP.

Термоядерный синтез продолжает оставаться одним из величайших технологических достижений энергетического перехода. Не потому, что он вряд ли в ближайшее время заменит ископаемое топливо, а потому, что он объединяет в одной научной задаче многие из проблем, определяющих современные промышленные инновации: управление сложными системами, высокопроизводительные вычисления, обработка больших объемов экспериментальных данных, прогностические модели и безопасность критической инфраструктуры. Именно в этом контексте... ТокаМайнд, базовая модель, разработанная IBM с Управление по атомной энергии Соединенного Королевства и STFC Хартри Центр для анализа плазмы в токамаках.

Партнеры представили проект как первую фундаментальную модель искусственного интеллекта, посвященную термоядерной плазме. Цель состоит не в генерации текста, изображений или контента, как в случае с более известными моделями, а в преобразовании разнородных физических данных в структурированное представление поведения плазмы. Для исследований в области термоядерного синтеза это означает попытку более полно понять, что происходит внутри экспериментальной установки, когда магнитные поля, геометрия системы, температура, плотность и высокочастотная диагностика взаимодействуют в течение нескольких секунд работы.

Цель термоядерного синтеза — воспроизвести на Земле реакцию, которая питает Солнце и звезды. В токамаке изотопы водорода нагреваются до температур выше, чем в ядре Солнца, образуя плазму — сверхгорячий ионизированный газ, удерживаемый магнитными полями. Задача состоит в том, чтобы поддерживать плазму достаточно горячей, плотной и стабильной для производства большего количества энергии, чем потребляется, избегая при этом нестабильностей, которые могут повредить установку. В этом и заключается суть так называемого безубыточности, символический и технический переход к будущему производству электроэнергии на основе термоядерного синтеза.

В мире эксплуатируется более 50 токамаков различной конфигурации, назначения и размеров. Промышленность работает не только над физикой плазмы, но и над способностью преобразовывать результаты экспериментов, показания датчиков и моделирования в практические знания. Именно здесь искусственный интеллект может стать инструментом ускорения, не заменяя физику, а выступая в качестве промежуточного звена между экспериментальными данными, математическими моделями и инженерными решениями.

На основе данных токамака MAST создан цифровой атлас плазмы.

TokaMind была обучена на данных, полученных в ходе экспериментов, проведенных с использованием МАСТЭто мегаамперный сферический токамак Британского агентства по атомной энергии (UKAEA), работавший с 1999 по 2013 год. Установка имела более компактную конфигурацию, чем классический тороидальный токамак: исследователи описали её как больше похожую на яблоко без сердцевины, чем на пончик. Эта сферическая геометрия считается интересной, поскольку она может открыть путь к созданию более компактных и потенциально более эффективных электростанций.

Эксперименты на токамаке называются «выстрелами». Они длятся несколько секунд, но генерируют большое количество сигналов. В каждом выстреле сотни датчиков могут регистрировать реакцию плазмы на различные манипуляции с установкой. Задача состоит не только в сборе данных, но и в их сопоставлении: разные частоты, разные временные масштабы, не всегда полная диагностика и физические сигналы, которые необходимо согласовать в единое целое.

Согласно материалам, опубликованным партнерами, TokaMind объединяет и кодирует приблизительно 40 различных сигналов, от физического описания плазмы до диагностических данных установки и магнитов. Модель подсчитывает 9 миллионов параметровНесмотря на небольшой размер по сравнению с крупными генеративными моделями, она работает с информацией, имеющей чрезвычайно сложную физическую структуру. Ее основная функция — создание переносимого представления динамики плазмы, которое затем может быть использовано для решения различных аналитических задач.

«В прошлом году мы начали сотрудничество с UKAEA и STFC, чтобы изучить, как самые передовые фундаментальные методы искусственного интеллекта могут поддерживать моделирование термоядерной плазмы и ее применение. Два года спустя мы выпустили не только первую базовую модель для токамака, но и новые стандарты в исследованиях алгоритмов термоядерного синтеза».

сказал Хуан Бернабе-МореноДиректор IBM Research Европа для Ирландии и Соединенного Королевства.

Решение об открытии исходного кода TokaMind, а также бенчмарка. ТокаМаркЭто также свидетельствует о культурном сдвиге. Традиционно термоядерный синтез — это сектор, основанный на крупных инфраструктурах, международном сотрудничестве и узкоспециализированной экспертизе. Публикация модели и системы оценки означает открытие части работы для научного и промышленного сообщества, что способствует сравнению, проверке и повторному использованию.

Менее впечатляющие данные становятся научным ресурсом.

Один из наиболее важных аспектов проекта касается того, как искусственный интеллект меняет взаимоотношения исследователей с экспериментальными данными. В прошлом многие открытия в физике термоядерного синтеза были сделаны на основе анализа наиболее интересных случаев, то есть экспериментов с высокой производительностью или аномальным поведением. Такой подход остается важным, но существует риск упустить значительную часть информации, содержащейся в обычных данных.

Роб Эйкерс, директор программ вычислительной техники в UKAEA, подытожил эту мысль, отметив, что всегда возникает соблазн сосредоточиться на наиболее интересных и высокоэффективных плазмах. Однако даже, казалось бы, «скучные» снимки могут содержать полезные сигналы. Используя модель, обученную на всем наборе данных, исследователи могут принимать решения, опираясь на более широкую базу информации, снижая риск выбора только тех данных, которые подтверждают уже известные гипотезы.

«Теперь, когда мы можем строить модели на основе всего массива данных, я думаю, мы получим ценные новые знания. Искусственный интеллект позволит нам принимать решения, основываясь на всех данных».

Роб Эйкерс объяснил.

«Главный вопрос заключается в том, сможем ли мы с уверенностью расширить эти модели до такой степени, чтобы они стали полезны для проектирования электростанций промышленного назначения».

Используемая методология напоминает базовые модели, применяемые в других научных областях. Модель TokaMind была предварительно обучена на частично замаскированных данных, которые ей предстояло восстановить. Обучився заполнять пробелы, она разработала представление системы, которое оказалось полезным и для последующих задач. В бенчмарке TokaMark, разработанном теми же исследователями, модель превзошла ожидания почти во всех областях. 14 заданий традиционная модель машинного обучения, обучаемая отдельно для каждой задачи.

Преимущество наиболее очевидно в долгосрочных прогнозах. Тобиа Боски, исследователь IBM, участвовавший в обучении, подчеркнул именно этот момент, отметив способность модели обучаться переносимому представлению динамики плазмы. В промышленном контексте это важный шаг: полезная технология должна не только описывать то, что уже произошло, но и помогать прогнозировать, как система будет развиваться в различных условиях эксплуатации.

Предварительное обучение также оказало вторичное влияние на качество наборов данных. В токамаках один датчик может обнаружить аномалии или пропустить часть сигнала, не влияя на весь эксперимент. Алессандра Паскаль, исследователь IBM, возглавляющая инженерную группу, объяснила, что модель может помочь восстановить данные, которые в противном случае было бы трудно использовать. Речь идет не об изобретении новых методов, а о повышении надежности набора информации, когда одна часть диагностической системы выявляет недостатки или пробелы.

Компания STEP обращается к стилю 1940-х годов, представляя более надёжные модели.

Результаты, полученные с помощью MAST, напрямую позволяют оценить будущую британскую программу. ШАГСферический токамак для производства энергии. Прототип термоядерной электростанции UKAEA, как ожидается, будет введен в эксплуатацию в 2040-х годах и должен будет извлечь пользу из экспериментов, проводимых сегодня. Обновление МАСТили MAST-U, в районе к югу от Оксфорда. Каждое испытание способствует определению проектных, контрольных и эксплуатационных решений, которые будут иметь решающее значение для демонстрационного объекта.

Переход от экспериментальной установки к коммерческой электростанции не является линейным процессом. Физика плазмы подчиняется законам турбулентности, взаимодействиям атомов, нелинейным неустойчивостям и многомасштабным явлениям. По этой причине партнеры не представляют TokaMind как самодостаточное решение. Модель представляет собой первый шаг к гибридным системам, в которых реальные данные, физические модели, высокопроизводительные вычисления и, потенциально, квантовые алгоритмы — все это способствует одному и тому же процессу принятия решений.

Следующий этап проекта предполагает включение данных с MAST-U и, возможно, других токамаков. Это расширение позволит исследователям сравнивать различные установки, выявлять перспективные конфигурации и понимать, как геометрия, параметры управления и состояние плазмы влияют друг на друга. Это представляет собой значительный сдвиг в масштабе: от репрезентативной модели установки к платформе, способной поддерживать сравнительный анализ.

«Мы могли бы потенциально дополнить существующие эксперименты новыми исполнительными механизмами, чтобы создать дополнительную нагрузку на плазму и улучшить ее работу, переведя ее в новый режим эксплуатации».

сказал Роб Эйкерс.

«Если мы начнем объединять экспериментальные данные с нашим теоретическим или модельным пониманием плазмы, это может привести к кардинальным изменениям».

На языке промышленного дизайна TokaMind можно интерпретировать как суррогатная модельИскусственный интеллект, имитирующий модель, не заменяет высокоточное физическое моделирование, но позволяет быстрее исследовать большие участки проектного пространства. Он менее затратен с точки зрения вычислительных ресурсов, более гибок на этапе отбора и полезен для выявления неопределенностей, перспективных комбинаций или сценариев, которые необходимо дополнительно изучить с помощью более дорогостоящих инструментов.

Акерс также затронул вопрос редких событий. Сочетание суррогатных моделей с высокоточным моделированием может улучшить общее качество прогнозов и помочь избежать крайне маловероятных, но потенциально опасных сценариев. В технологии, которая в будущем должна будет работать стабильно, безопасно и непрерывно, управление очередями рисков так же важно, как и повышение средней производительности.

Искусственный интеллект, высокопроизводительные вычисления и квантовые вычисления объединены в одной архитектуре.

Следующий рубеж связан с интеграцией машинного обучения и формализованных физических знаний. Одно из первых уравнений, предложенных исследователями для TokaMind, выглядит следующим образом: Град-ШафрановЭта модель описывает равновесие в плазме токамака: внешнее давление плазмы уравновешивается внутренней силой удерживающего магнитного поля. Учет этих знаний может улучшить способность модели интерпретировать форму, положение и состояние плазмы.

Это направление согласуется с более широкой тенденцией в научном искусственном интеллекте: преодоление разрыва между чисто статистическими моделями и моделями, основанными на физических принципах. Цель состоит не в том, чтобы выбирать между данными и теорией, а в том, чтобы заставить их работать вместе. Экспериментальные данные показывают, что происходит в реальной машине; моделирование позволяет нам исследовать условия, которые трудно или дорого воспроизвести; фундаментальные модели могут объединить эту информацию в переносимые представления.

Проект также сыграет свою роль. ВосходОжидается, что новый суперкомпьютер UKAEA, использующий искусственный интеллект, станет самой мощной системой, предназначенной для исследований в области термоядерной энергетики. Высокопроизводительные вычисления остаются основой всего процесса: они необходимы для обработки больших массивов данных, численного моделирования, аппроксимирующих моделей и будущей интеграции с квантовыми методами.

«Вычислительные проблемы, с которыми мы сталкиваемся в области термоядерного синтеза, могут быть решены только путем объединения квантовых вычислений, искусственного интеллекта и высокопроизводительных вычислений».

сказал Алессандро Куриони, научный сотрудник IBM и вице-президент по алгоритмам и приложениям в IBM Research.

«Квантовые вычисления способны обрабатывать физические явления, недоступные для классических методов, а искусственный интеллект обеспечивает быстрые и надежные результаты; высокопроизводительные вычисления (HPC) — это вычислительная основа, позволяющая масштабировать и интегрировать эти взаимодополняющие методы».

Причина техническая. Плазма управляется взаимодействиями на атомном уровне, многомасштабной турбулентностью и сильно нелинейной динамикой. Модели, основанные на данных, могут распознавать закономерности в экспериментальных или смоделированных наборах данных, но они также наследуют ограничения данных, на которых они обучаются. Когда лежащая в основе физика становится слишком сложной для моделирования классическими методами, точность может стабилизироваться. Квантовые вычисления, по крайней мере в будущем, могли бы более естественно представлять квантово-механические системы.

Для энергетического сектора наиболее интересным элементом является не абстрактное обещание квантовых вычислений, а потенциал комбинированной архитектуры. Искусственный интеллект для создания быстрых аналогов, высокопроизводительные вычисления для масштабирования моделирования и конвейеров обработки данных, квантовые алгоритмы для генерации высокоточных физических данных по сложным на данный момент аспектам проблемы. Это модель комплексных инноваций, в которой прогресс достигается за счет интеграции различных инструментов, а не за счет одной единственной технологии решения.

Термоядерный синтез остается открытой проблемой. Ни одна модель не может устранить сложность переноса звездной реакции в безопасную, стабильную и конкурентоспособную промышленную установку. Однако проект TokaMind демонстрирует, как исследования меняют свой подход: меньше опоры на отдельные, показательные эксперименты, более широкое использование всего информационного пространства, большее внимание к переносимости моделей и конвергенция данных, физики и передовых вычислительных технологий. Именно в этом переходном процессе, еще до того, как он достигнет стадии производства электроэнергии, термоядерный синтез уже порождает инновации.

Вот три идеи, которые могут вас заинтересовать:

Токамак WEST побил мировой рекорд по стабильной плазме
Ядерный синтез: так MIT изолирует плазму и стенки в токамаках
ИИ Google будет регулировать плазму ядерного синтеза