Fusionstechnologie Künstliche Intelligenz steuert Plasmen für die Kernfusion

Wissenschaftler des Swiss Plasma Centers (SPC), der Eidgenössischen technischen Hochschule Lausanne (EPFL) und das wissenschaftliche Forschungsunternehmen DeepMind haben gemeinsam eine neue Methode zur Steuerung von Plasmakonfigurationen für die Kernfusionsforschung entwickelt.

Anbieter zum Thema

Plasma im Inneren des TCV-Tokamaks.
Plasma im Inneren des TCV-Tokamaks.
(Bild: Curdin Wüthrich /SPC/EPFL)

Die neue Methode basiert auf Deep Reinforcement Learning und wird erstmals auf ein reales Plasma in der Tokamak-Forschungsanlage TCV des SPC angewendet.

Tokamaks sind donutförmige Geräte zur Erforschung der Kernfusion, und das SPC ist eines der wenigen Forschungszentren der Welt, in dem eines in Betrieb ist. Diese Geräte nutzen ein starkes Magnetfeld, um Plasma bei Temperaturen von Hunderten von Millionen Grad Celsius einzuschließen, sodass eine Kernfusion zwischen Wasserstoffatomen stattfinden kann. Die bei der Kernfusion freigesetzte Energie wird für die Stromerzeugung untersucht. Das Besondere am Tokamak des SPC ist, dass er eine Vielzahl von Plasmakonfigurationen zulässt, daher sein Name: Tokamak mit variabler Konfiguration (TCV). Das bedeutet, dass die Wissenschaftler damit neue Ansätze für den Einschluss und die Kontrolle von Plasmen erforschen können. Die Konfiguration eines Plasmas bezieht sich auf seine Form und Position im Gerät.

Kontrolle einer Substanz, so heiß wie die Sonne

Tokamaks bilden und erhalten Plasmen durch eine Reihe von Magnetspulen, deren Einstellungen, insbesondere die Spannung, sorgfältig kontrolliert werden müssen. Andernfalls könnte das Plasma mit den Gefäßwänden kollidieren und sich zersetzen. Um dies zu verhindern, testen die Forscher des SPC die Konfigurationen ihrer Kontrollsysteme zunächst in einem Simulator, bevor sie sie im TCV-Tokamak einsetzen.

„Unser Simulator basiert auf mehr als 20 Jahren Forschung und wird ständig aktualisiert“, erklärt Federico Felici, Wissenschaftler am SPC. „Trotzdem sind immer noch langwierige Berechnungen erforderlich, um den richtigen Wert für jede Variable im Kontrollsystem zu ermitteln. Genau hier setzt unser gemeinsames Forschungsprojekt mit DeepMind an.“

Künstliche Intelligenz erstellt Plasmakonfigurationen

Die Experten von DeepMind entwickelten einen KI-Algorithmus, der bestimmte Plasmakonfigurationen erstellen und aufrechterhalten kann, und trainierten ihn im Simulator des SPC. Dazu ließ man den Algorithmus zunächst viele verschiedene Kontrollstrategien in der Simulation ausprobieren und Erfahrungen sammeln. Auf der Grundlage der gesammelten Erfahrungen generierte der Algorithmus eine Kontrollstrategie, um die gewünschte Plasmakonfiguration zu erzeugen.

Dazu musste der Algorithmus zunächst eine Reihe verschiedener Einstellungen durchlaufen und die sich daraus ergebenden Plasmakonfigurationen analysieren. Dann wurde der Algorithmus aufgefordert, in die andere Richtung zu arbeiten – eine bestimmte Plasmakonfiguration zu erzeugen, indem die richtigen Einstellungen ermittelt wurden. Nach dem Training war das KI-basierte System in der Lage, eine breite Palette von Plasmaformen und fortgeschrittenen Konfigurationen zu erzeugen und aufrechtzuerhalten, einschließlich einer Konfiguration, bei der zwei getrennte Plasmen gleichzeitig im Behälter aufrechterhalten werden. Schließlich testete das Forschungsteam sein neues System direkt am Tokamak, um zu sehen, wie es unter realen Bedingungen funktionieren würde.

Die Zusammenarbeit des SPC mit DeepMind geht auf das Jahr 2018 zurück, als Felici zum ersten Mal DeepMind-Wissenschaftler bei einem Hackathon in der Londoner Zentrale des Unternehmens traf. Dort erläuterte er das Problem der magnetischen Steuerung von Tokamaks seiner Forschungsgruppe. „DeepMind war sofort an der Aussicht interessiert, ihre KI-Technologie in einem Bereich wie der Kernfusion und insbesondere an einem realen System wie einem Tokamak zu testen“, erklärt Felici. Martin Riedmiller, Leiter des Kontrollteams bei DeepMind und Mitverfasser der Studie, fügt hinzu: „Unser Team hat es sich zur Aufgabe gemacht, eine neue Generation von KI-Systemen zu erforschen – geschlossene Regelkreise – die in komplexen dynamischen Umgebungen von Grund auf lernen können. Die Steuerung eines Fusionsplasmas in der realen Welt bietet fantastische, wenn auch äußerst anspruchsvolle und komplexe Möglichkeiten.“

Eine Zusammenarbeit, von der alle profitieren

Nach einem Gespräch mit Felici bot DeepMind an, mit dem SPC zusammenzuarbeiten, um ein KI-basiertes Steuerungssystem für dessen Tokamak zu entwickeln. „Wir haben der Idee sofort zugestimmt, weil wir das enorme Innovationspotenzial sahen“, sagt Ambrogio Fasoli, der Direktor des SPC und Mitautor der Studie. „Alle DeepMind-Wissenschaftler, mit denen wir zusammengearbeitet haben, waren sehr enthusiastisch und wussten viel über die Implementierung von KI in Steuerungssystemen.“ Felici seinerseits war beeindruckt von den erstaunlichen Dingen, die DeepMind in kurzer Zeit erreichen kann, wenn es seine Bemühungen auf ein bestimmtes Projekt konzentriert.

Auch DeepMind hat viel von dem gemeinsamen Forschungsprojekt profitiert, was die Vorteile eines multidisziplinären Ansatzes für beide Parteien verdeutlicht. Brendan Tracey, leitender Forschungsingenieur bei DeepMind und Mitautor der Studie, sagt: „Die Zusammenarbeit mit dem SPC treibt uns dazu an, unsere Algorithmen für das verstärkte Lernen zu verbessern, und kann so die Forschung zur Verschmelzung von Plasmen beschleunigen.“

Dieses Projekt dürfte der EPFL den Weg für weitere gemeinsame F&E-Möglichkeiten mit externen Organisationen ebnen. „Wir sind immer offen für innovative und gewinnbringende Kooperationen, bei denen wir Ideen austauschen und neue Perspektiven erforschen können, um so die technologische Entwicklung zu beschleunigen“, ergänzt Fasoli.

Artikelfiles und Artikellinks

(ID:48016609)