Исследователи из Массачусетского технологического института нашли способ преодолеть один из главных барьеров на пути к крупномасштабному ядерному синтезу. Команда разработала метод предсказания поведения плазмы внутри реактора токамак, используя комбинацию физики и машинного обучения.

Ядерный синтез использует те же процессы, что питают звезды, и может обеспечить человечество чистым, безопасным и практически неограниченным источником энергии. Токамак – один из наиболее перспективных типов термоядерных реакторов, он имеет форму тора и использует мощные магниты для удержания плазмы, необходимой для реакции синтеза. Однако перед учеными стоит серьезная задача – научиться безопасно замедлять реакцию синтеза после её запуска.

Аллен Ванг, ведущий автор исследования и аспирант MIT заявил:

Чтобы синтез стал полезным источником энергии, он должен быть надежным. Чтобы быть надежными, нам нужно научиться хорошо управлять нашей плазмой.

Сложность задачи заключается в том, что заглянуть внутрь работающего термоядерного реактора крайне затруднительно, а предсказать поведение плазмы при различных начальных условиях ученые долгое время не могли.

В полностью работающем токамаке плазменный ток циркулирует со скоростью до 100 километров в секунду при температуре 100 миллионов градусов Цельсия. Это горячее, чем ядро Солнца. При необходимости остановить реактор операторы запускают процесс постепенного снижения энергии плазменного тока. Но эта процедура крайне деликатна – плазма может вызвать царапины и повреждения внутренних стенок токамака, что требует значительных затрат времени и ресурсов на ремонт.

Неконтролируемое прекращение работы плазмы, даже во время замедления, может генерировать интенсивные тепловые потоки, повреждающие внутренние стенки. Довольно часто, особенно с высокопроизводительной плазмой, замедление фактически может подтолкнуть плазму ближе к некоторым пределам нестабильности. Так что это деликатный баланс.

Любая ошибка в управлении термоядерным реактором обходится дорого. В идеальном мире исследователи могли бы проводить тесты в действующих токамаках, но поскольку синтез всё ещё не эффективен, эксплуатация таких реакторов стоит невероятно дорого, и большинство объектов запускают их лишь несколько раз в год.

Команда нашла решение проблемы нехватки данных – обратилась к фундаментальным законам физики. Исследователи объединили нейронную сеть своей модели с другой моделью, описывающей динамику плазмы, а затем обучили систему на данных TCV – небольшого экспериментального термоядерного реактора в Швейцарии. Набор данных включал информацию о вариациях начальной температуры и уровней энергии плазмы, а также параметры во время работы и в конце каждого экспериментального запуска.

Затем команда использовала алгоритм для генерации "траекторий", которые показывают операторам реактора, как вероятно будет вести себя плазма по мере развития реакции. При применении алгоритма к реальным запускам TCV выяснилось, что следование "траекториям" модели позволяет операторам безопасно замедлить реакцию.

Мы сделали это несколько раз. И у нас получилось гораздо лучше по всем параметрам. Так что у нас есть статистическая уверенность, что мы улучшили процесс.

Мы пытаемся решить научные вопросы, чтобы сделать синтез регулярно полезным. То, что мы сделали здесь – это начало того, что всё ещё остается долгим путешествием. Но я думаю, мы добились хорошего прогресса.

Согласно самым оптимистичным прогнозам, коммерческое использование термоядерных реакторов может начаться лишь к середине 2030-ых.