Evitar la inestabilidad del desgarro del plasma de fusión con el aprendizaje por refuerzo profundo

Área de la Ciencia:

• Investigación en energía de fusión
• Física del plasma
• Ingeniería de sistemas de control

Sus antecedentes:

• El funcionamiento estable del tokamak requiere un control activo para evitar interrupciones en el plasma.
• La inestabilidad del desgarro es una causa primaria de interrupciones, difícil de predecir y evitar.
• El trabajo anterior desarrolló un modelo dinámico para predecir la probabilidad de inestabilidad de desgarro.

Objetivo del estudio:

• Desarrollar un sistema de control impulsado por IA para prevenir las inestabilidades de desgarro disruptivas en los tokamaks.
• Aprovechar un modelo dinámico multimodal dentro de un marco de aprendizaje por refuerzo para el control automatizado.
• Para demostrar la eficacia del controlador de IA en el mantenimiento de operaciones de plasma estables.

Principales métodos:

• Desarrolló un modelo dinámico multimodal para estimar la inestabilidad del desgarro futuro.
• Utilizó este modelo como un entorno de capacitación para el aprendizaje por refuerzo (IA).
• Implementado y probado el controlador de IA en el tokamak DIII-D.

Principales resultados:

• El controlador de IA redujo con éxito la probabilidad de inestabilidades de desgarro disruptivas.
• Mantuvo la inestabilidad de desgarro por debajo de un umbral en condiciones difíciles (factor de seguridad bajo, par bajo).
• El controlador permitió un seguimiento de plasma estable y un rendimiento en modo H, superando a los métodos tradicionales.

Conclusiones:

• El control de IA, entrenado en un modelo dinámico predictivo, evita efectivamente las interrupciones del plasma tokamak.
• Este enfoque facilita escenarios de plasma estable y de alto rendimiento para futuros reactores de fusión como ITER.
• La prevención automatizada de la inestabilidad es crucial para avanzar en la producción de energía de fusión.