ИИ ускорил поиск «магнитных теней» в термоядерных реакторах

Художественное изображение внутренней части термоядерного реактора, где некоторые поверхности напрямую контактируют с плазмой. Некоторые области находятся в «магнитной тени» других компонентов и защищены от экстремального тепла плазмы. Автор: Кайл Палмер / Отдел коммуникаций PPPL

Государственно-частное партнёрство между компанией Commonwealth Fusion Systems (CFS), Принстонской лабораторией физики плазмы (PPPL) Министерства энергетики США и Национальной лабораторией Ок-Ридж привело к созданию нового метода на основе искусственного интеллекта (ИИ), который быстрее обнаруживает так называемые «магнитные тени» в термоядерных реакторах — безопасные зоны, защищённые от экстремального тепла плазмы.

Новый ИИ, получивший название HEAT-ML, может стать основой для программного обеспечения, значительно ускоряющего проектирование будущих термоядерных систем. Такое ПО также позволит принимать оптимальные решения во время работы реактора, корректируя плазму для предотвращения потенциальных проблем.

«Это исследование показывает, что можно взять существующий код и создать ИИ-заменитель, который ускорит получение полезных результатов, а также открывает интересные возможности в области контроля и планирования сценариев», — сказал Майкл Черчилль, соавтор статьи о HEAT-ML в журнале Fusion Engineering and Design.

Термоядерный синтез, реакция, питающая Солнце и звёзды, потенциально может обеспечить Землю практически неограниченным количеством электроэнергии. Однако для её использования учёным необходимо преодолеть ключевые научные и инженерные проблемы, включая управление экстремальным нагревом плазмы, температура которой в реакторах-токамаках превышает температуру ядра Солнца.

Визуальная последовательность, иллюстрирующая структуру дивертора и результаты моделирования. Автор: Fusion Engineering and Design (2025). DOI: 10.1016/j.fusengdes.2025.115010

Ускорение расчётов для будущих реакторов

HEAT-ML был разработан для моделирования части токамака SPARC, который строится компанией CFS в Массачусетсе. Цель проекта — достичь положительного энергобаланса к 2027 году, то есть получить больше энергии, чем потребляет реактор.

Изначально для расчёта «теневых масок» (3D-карт магнитных теней) использовалась программа HEAT, но процесс занимал до 30 минут. HEAT-ML сокращает это время до миллисекунд благодаря глубокой нейронной сети, обученной на 1000 симуляциях SPARC.

Сейчас HEAT-ML работает только с конкретной частью SPARC, но учёные планируют расширить его возможности для расчётов в реакторах любого размера и конфигурации.

Подробнее: D. Corona et al, Shadow masks predictions in SPARC tokamak plasma-facing components using HEAT code and machine learning methods, Fusion Engineering and Design (2025). DOI: 10.1016/j.fusengdes.2025.115010