Amerikaanse fusiereactor voorspelt plasmastoring 200 milliseconden vooraf

Bij de DIII-D National Fusion Facility in San Diego hebben ingenieurs van General Atomics vijf keer met succes een zelflerend besturingssysteem getest dat een tokamak-reactor in real time stabiel houdt. Het systeem heet PACMAN, een afkorting van Prediction And Control using MAchiNe learning. Tijdens de tests handelde de software meerdere lastige regeltaken zelfstandig af, zonder dat een mens hoefde in te grijpen.

Sneller dan een mens kan reageren

Het meest opvallende resultaat: PACMAN voorspelde een zogeheten tearing mode-instabiliteit maar liefst 200 milliseconden voordat die kon ontstaan. Dat klinkt kort, maar in een fusiereactor is het een eeuwigheid. Gewone regelsystemen merken zo'n verstoring namelijk pas op nadat die al is begonnen, en moeten die vervolgens onderdrukken. Dat kost prestaties. PACMAN paste de instellingen van de reactor al zo vroeg aan dat de storing helemaal niet optrad. Dat is een groot verschil met hoe menselijke operators werken: die hebben hele seconden nodig om te reageren op signalen uit het plasma, terwijl instabiliteiten zich binnen milliseconden kunnen ontwikkelen. Plasma is een superheet, geïoniseerd gas dat in een tokamak met magnetische velden wordt vastgehouden en heter is dan de kern van de zon.

Zes microgolfzenders tegelijk aansturen

PACMAN loste ook een optimalisatieprobleem op waarvoor eerder geen werkende formule bestond. Het systeem stuurde alle zes gyrotrons van de reactor tegelijk aan: krachtige microgolfbronnen die het plasma verhitten. De software paste spiegelhoeken en het uitgangsvermogen van alle zes apparaten gelijktijdig aan. In andere tests kreeg een reinforcement learning-model de volledige controle over de verhittingssystemen. Ook voorspelde het systeem plotselinge energie-uitbarstingen aan de rand van het plasma, een verschijnsel dat bekendstaat als Edge Localised Mode. Volgens co-auteur Andy Rothstein draait het hele PACMAN-systeem in cycli van ongeveer 20 milliseconden, en dat continu. "Het ziet kleine veranderingen in het plasma en past zich aan op een manier die een mens nooit zou kunnen."

Van laboratorium naar commerciële centrale

Traditionele computersimulaties van plasmafysica zijn precies, maar kunnen dagen tot maanden duren om te draaien. Voor experimenten die maar enkele minuten duren, is dat te langzaam. De machine learning-modellen van PACMAN doen hun voorspellingen in een fractie van een seconde. Het systeem is bovendien modulair opgebouwd: onderzoekers kunnen een los onderdeel binnen een paar dagen aanpassen of vervangen, zonder de rest van de software te hoeven wijzigen. Eerdere AI-projecten in fusieonderzoek waren vaak op maat gebouwd en lastig te koppelen. Mensen houden nog wel de regie: natuurkundigen bepalen de doelen van een experiment en stellen harde veiligheidsgrenzen in om schade aan apparatuur te voorkomen. Volgens de onderzoekers, die hun resultaten publiceerden in het tijdschrift Nuclear Fusion, kan het framework relatief eenvoudig naar andere tokamak-faciliteiten worden overgezet.