Az Egyesült Államok Energiaügyi Minisztériumának Princeton Plasma Physics Laboratory (PPPL) három kutatója elnyerte a 2025-ös Kaul Foundation Prize for Excellence in Plasma Physics Research and Technology Development díjat. A munka fontos nemzetközi együttműködésen alapult, amelynek keretében a dél-koreai KSTAR és a san diego-i DIII-D tokamakok kísérleti adatait használták fel.

A díjat azért kapták, mert hozzájárultak a fúziós energia egyik legnehezebb problémájának megoldásához, vagyis megakadályozzák a plazma instabilitását, mielőtt az bekövetkezne. A csapat valós idejű mesterséges intelligenciát és hagyományos megközelítéseket alkalmazva érte el a kiemelkedő eredményt.,

A díj elismeri a trió – Seong-Moo Yang, SangKyeun Kim és Ricardo Shousha – munkáját a tokamakokban lévő 3D mágneses mezők optimalizálásában, amelynek célja a szélső instabilitások szabályozása és a plazma bezárásának javítása.

A fúziós energia technikai kihívásai

A magfúzió során hidrogénatomokat ütköznek össze olyan erővel, amely elegendő a túlhevített plazma létrehozásához. Ezt a plazmát, amelynek hőmérséklete meghaladja a Nap magjának hőmérsékletét, egy tokamak nevű, donut alakú tartályban kell tartani.

„A plazma szélének stabilizálása továbbra is jelentős kihívást jelent a jövőbeli fúziós energia számára, mivel ez a határterület instabillá válhat és károsíthatja a tokamak belsejét” – áll a PPPL sajtóközleményében.

Ha a plazma széle instabillá válik, az „szakadási instabilitásokhoz” vezethet. Ezek a zavarok hirtelen események, amelyek a befogás elvesztését okozzák, potenciálisan károsítva a tokamak belsejét és megszakítva a fúziós folyamatot.

A jelenlegi működési módszerek gyakran csak az instabilitások bekövetkezte után reagálnak rájuk. A PPPL trió által végzett kutatás egy proaktív megközelítést vezet be, amely valós időben állítja be a tokamak paramétereit, hogy megakadályozza az instabilitások kialakulását.

A 3D mágneses mezők és a mesterséges intelligencia szerepe
Míg a legtöbb tokamak hagyományosan kétdimenziós mágneses mezőkre támaszkodik a befogáshoz, a legújabb eredmények szerint a 3D mágneses mezők robusztusabb módszert kínálnak a stabilitás fenntartásához.

„Eddig a fizika, a mesterséges intelligencia és a valós idejű vezérlés kombinálásával kutattuk a 3D-optimalizálás ígéretes útját. Az optimalizálási folyamatban azonban még mindig szerepet játszik az emberi döntés” – tette hozzá Kim, a PPPL kutatófizikusa.

Ezeknek a 3D-mezőknek a kiszámítása és optimalizálása azonban olyan komplex feladat, amely meghaladja a hagyományos kézi vezérlőrendszerek kapacitását.

„Ez túl bonyolult a hagyományos megközelítésekhez, ezért a gépi tanulás néven ismert mesterséges intelligencia lesz a kulcsfontosságú módszer a áttöréshez” – magyarázta Kim.

Szimulált kísérletek révén a mesterséges intelligencia rendszer megtanulta az optimális stratégiákat a nagy teljesítmény fenntartásához, elkerülve a plazma veszteséghez vezető körülményeket.

Ez a mesterséges intelligencia által vezérelt megoldás lehetővé teszi a potenciális szakadási módok előrejelzését, így a rendszer mikroszintű beállításokat végezhet a mágneses tér vonalain.

A kutatás következő szakaszában egy teljesen automatizált 3D-s mezőoptimalizáló rendszer fejlesztése szerepel. Ez a rendszer úgy lett kialakítva, hogy harmonikusan működjön együtt az összes többi plazmaszabályozó mechanizmussal.

Mivel a változók száma túl nagy a standard programozáshoz, a gépi tanulás tekinthető az elsődleges módszernek a kereskedelmi méretű fúziós energia áttörésének eléréséhez.

Forrás: Interesting Engineering

Borítókép forrása: PPPL