AI驯服可控核聚变“拦路虎”：撕裂模不稳定性被提前预测与实时抑制
2026/05/20 12:43阅读量 5
科学家利用机器学习模型，在托卡马克装置中实现了对撕裂模不稳定性的提前数十至数百毫秒预测，并通过毫秒级自动干预抑制磁岛生长，解决了困扰可控核聚变数十年的关键难题。相关研究发表于《Physics of Plasmas》，AI已从辅助工具变为核心控制部件，为ITER及中国EAST、HL-3等装置提供支撑。
事件概述
可控核聚变被视为理想的无限清洁能源，但托卡马克装置中的撕裂模不稳定性长期阻碍其稳定运行。2026年5月，《Physics of Plasmas》发表的研究表明，利用机器学习可提前预测并实时抑制撕裂模，为未来聚变电站提供AI护盾。
核心信息
- 撕裂模难题：托卡马克中q值为有理数的磁面易受扰动共振触发磁重联，形成不断膨胀的磁岛，最终导致等离子体失控撞向器壁。传统物理模型模拟慢、简化模型丢失细节，常规诊断发现信号时磁岛已难以消除。
- AI解决方案：科学家利用全球托卡马克积累的数十万通道实验数据训练AI模型，可在撕裂模形成前数十到数百毫秒识别微弱前兆信号。AI直接接管控制器，基于传感器实时数据在数百微秒内完成判断与干预，通过微调电流抑制萌芽磁岛。同时发展出可解释AI以满足核设施安全认证。
- 从辅助到标配：算力飞跃、数十年数据积累以及未来电站高约束运行需求，使AI从选配变为聚变装置核心控制部件。目前该技术已为ITER提供核心预警算法；中国EAST、HL-3装置也取得了领先的AI控制研究成果。
值得关注
- 未来需开发多任务统一AI框架，通过迁移学习提升跨装置泛化能力。
- AI的实时智能护盾将帮助人类更快实现稳定可控核聚变的能源梦想。