中国科学家用AI提升聚变反应堆安全性和效率

中国科学院合肥物理科学院的研究团队近日开发了两项创新的人工智能系统，旨在提高聚变能实验的安全性和效率。这一突破性成果展示了人工智能在前沿科技领域的应用潜力，尤其是在核聚变领域的研究和技术发展中。 第一项系统是一个中断预测系统，采用可解释的决策树模型来识别并预测聚变反应中的中断现象，尤其是由“锁定模式”引起的不稳定情况。“锁定模式”是一种常见的等离子体不稳定现象，可能导致聚变反应突然停止，进而危及设备安全。现有的人工智能模型往往是黑匣子式的，虽然能做出预测但难以解释其背后的物理机制。而该团队的新系统不仅能提前预测中断，还能详细分析导致中断的具体物理信号，为科学家提供了更深层次的理解和改进机会。 第二项系统则是一种基于多任务学习模型的等离子体状态监控工具。传统的监控方法通常依赖于多个独立的模型来分别识别不同的等离子体操作模式和检测局部异常现象，这不仅耗时而且容易出现误差。而新的多任务学习模型能够同时处理这些任务，实现了操作模式（如L模式和H模式）的识别和边缘局部化模式（ELM）的检测。该系统在实际应用中成功率达到96.7%，极大地提高了聚变反应的可靠性和持续运行能力，为未来的聚变能实验提供了强有力的技术支持。 这两项人工智能系统的结合应用，可以有效减少聚变反应中的突发事故风险，延长实验装置的运行时间，提高整体实验效率。这对于聚变能研究而言具有重要意义，因为它不仅为科学家们提供了更为精准的数据支持，还能够在实际运行过程中及时调整参数以优化反应条件，降低维护成本。 业内专家认为，这一成果是中国在聚变能源研究中的又一里程碑，表明中国在该领域已具备国际领先的研发能力。中国科学院合肥物理科学院在聚变能研究方面拥有丰富经验和深厚积累，此次创新将进一步巩固其在全球聚变能研究中的领先地位。随着这些系统的逐步应用和完善，相信将为实现可持续的清洁能源目标带来希望。