对于全球能源市场而言，可控核聚变能源的意义重大。
它不但能给人类带来无限可持续的清洁能源，在安全性、环保性和经济性等方面也比其他类型的能源更具优势。
（来源：AI 生成）
目前，全球范围内相关领域的科学家们，正在尝试通过托卡马克、惯性约束核聚变等装置实现可控核聚变。
就托卡马克路线来说，其目标在于维持高性能等离子体以产生足够的聚变能量。
但是，这会受到由等离子体边界局域的不稳定性所引发的瞬时能量爆发的阻碍。
而传统上用于抑制这些不稳定的 3D 磁场扰动的方法，通常会降低聚变性能并增加其他不稳定性风险，从而削弱聚变能源在全球能源市场中的经济竞争力。
为攻克这一局限，近期，来自美国普林斯顿大学和普林斯顿等离子体物理实验室的研究人员，提出了一种创新的 3D 磁场优化方法。
利用机器学习、自适应技术以及跨设备能力，在美国通用原子能公司 DIII-D 装置和韩国 KSTAR 反应堆这两种托卡马克中，持续实现与反应堆相关的芯部约束条件，并能在不触发破坏性爆发的情况下达到最高的聚变性能。
图丨托卡马克中的 3D 磁场线圈结构（来源：Nature Communications）
近日，相关论文以《托卡马克中无有害边缘能量爆发的最高聚变性能》（Highest fusion performance without harmful edge energy bursts in tokamak）为题在 Nature Communications 上发表[1]。
普林斯顿等离子体物理实验室资深研究科学家 SangKyeun Kim、博士后里卡多·舒沙（Ricardo Shousha）和资深研究物理学家 Seong-Moo Yang 是第一作者，普林斯顿大学埃格曼·科莱曼（Egemen Kolemen）副教授担任通讯作者。
图丨相关论文（来源：Nature Communications）
事实上，要想让等离子体实现高聚变性能，必须达到一定的性能指标（G ∝ nτT）。该指标会随着约束改善因子（H89）的提高而增加。（编者注：nτT 指的是聚变三重积，其中 n 为等离子体密度、T 为温度、τ 为能量约束时间，而 H89 则是归一化的能量约束时间。）
目前，基于高约束模式（H-mode, high-confinementmode ）运行的托卡马克，会通过一个狭窄的、能够增强 G 的约束台基，来增加装置内部的等离子体压力。
然而，这却会因等离子体的不稳定性提升，造成危险边缘能量突发，从而给反应堆的正常运行带来重大风险。
具体来说，这些边缘突发事件会导致台基等离子体能量迅速松弛，然后对反应堆壁产生高达 20 兆焦耳/平方米的瞬时热流，进而驱使材料发生侵蚀和表面熔化，而这对于聚变装置来说是不可接受的。
因此，必须开发出用于抑制边缘突发事件、并且不影响指标 G 的方法。
遗憾的是，虽然科学家对此已经做出大量尝试，但传统方法在解决问题的同时，也会导致 H89 和 G 这两个指标远低于标准的高约束等离子体状态。
不仅如此，传统方法也会给 3D 磁场增加包括中断在内的诸多不稳定风险，严重程度甚至超过边缘突发。
“等离子体的不稳定性可能导致聚变装置严重损坏，在商业聚变容器中我们不能容忍这种情况的出现。
我们的研究推进了该领域的进展，并表明 AI 在未来管理聚变反应中可以发挥重要作用，即在避免不稳定性的同时允许等离子体尽可能多地产生聚变能量。”科莱曼在普林斯顿大学发布的一份新闻稿中表示[2]。
相较于人类，该研究提出的方法不仅能够快速优化聚变容器的设置，以维持等离子体的稳定运行，还能对中断进行预测，并在不稳定性发生之前，完成经计算后需要改变的设置。
“研究产生的结果令人印象深刻，因为我们能够在使用相同机器学习代码的两种不同的托卡马克上实现目标。”Kim 在相同的新闻稿中表示[2]。
也就是说，在两种托卡马克上，等离子体都能在非常稳定的条件下实现 H 模式，即商业发电所必需的模式。
据了解，这也是研究人员首次在与商业可控核聚变能源部署相匹配的反应堆环境中实现这一成果。
而这种复杂系统自动化、实时自适应控制的技术，也为在托卡马克装置中最大化聚变效率和最小化损害设备组件铺平了道路，并为国际热核试验反应堆等未来装置的发展奠定关键基础。
参考资料：
1. Kim, S.K., Shousha, R., Yang, S.M. et al. Highest fusion performance without harmful edge energy bursts in tokamak. Nature Communications 15, 3990 (2024). https://doi.org/10.1038/s41467-024-48415-w
2.https://phys.org/news/2024-05-ai-intensive-aspects-plasma-physics.html
来源：DeepTech深科技
注：本站转载的文章大部分收集于互联网，文章版权归原作者及原出处所有。文中观点仅供分享交流，如涉及版权等问题，请您告知，我将及时处理！
