新型预测模型助力聚变能电站迈向更高可靠性

一种新型预测模型有望显著提升未来聚变能电站的安全性与可靠性。该模型由麻省理工学院（MIT）科研团队开发，旨在解决托卡马克装置在关闭等离子体时可能引发的不稳定性问题。 托卡马克是一种模拟太阳内部核聚变过程的装置，通过强磁场约束温度超过1亿摄氏度、速度达每秒100公里的高温等离子体，使其原子发生聚变并释放能量。然而，当等离子体变得不稳定时，必须迅速“关断”其电流，否则可能对装置内壁造成严重损伤。传统关断过程本身也可能诱发新的不稳定性，导致设备损坏，维修成本高昂。 MIT团队提出一种融合机器学习与物理模型的新方法，能够准确预测等离子体在关断过程中的行为。他们将神经网络与基于物理规律的等离子体动力学模型结合，仅用少量实验数据——来自瑞士洛桑联邦理工学院（EPFL）的TCV托卡马克装置的数百次低、高能等离子体脉冲——就成功训练并验证了模型。该方法在数据效率方面表现优异，解决了聚变实验数据稀缺的难题。 研究团队还开发出可执行的“轨迹算法”，能将预测结果转化为实际操作指令，由托卡马克控制系统自动调整磁场或温度，以实现安全、平稳的关断。在TCV装置上的测试显示，新方法不仅避免了等离子体中断，还能更快、更稳定地完成关断过程。 该成果发表于《自然·通讯》开放获取期刊。项目主要负责人、MIT航空航天系博士生王安（Allen Wang）表示：“要让聚变成为实用能源，必须可靠。而可靠的前提，就是能有效管理等离子体。” 研究得到麻省理工学院衍生企业共同聚变系统（Commonwealth Fusion Systems, CFS）的支持，后者正致力于建造全球首个紧凑型、电网级聚变电站SPARC。团队计划将该模型应用于SPARC项目，以减少运行中断，推动聚变能源实用化。 这项工作也获得欧盟聚变研究联盟（EUROfusion）及瑞士联邦教育、科研与创新秘书处的资助。研究人员表示，尽管聚变能源仍处于长期探索阶段，但这一进展标志着关键一步。