等离子体太难控，AI 进来帮忙

可控核聚变面临三大挑战：燃烧等离子体稳态控制、极端工况材料耐受、氚燃料自持。其中堆芯等离子体是高度非线性的复杂流体系统，不稳定性时间尺度跨越微秒到数百毫秒，传统控制手段很难实现实时精准调控。上海市科学学研究所 8 月 24 日发文梳理 AI 在核聚变研究中的应用现状，重点介绍了中国环流三号上的实践。

中国环流三号上的几项落地成果

  • 智能解谱：基于监督学习与卷积神经网络的模型，把离子温度与转速剖面的计算从数秒压缩到毫秒级，可实时反馈给控制系统
  • 神经网络代理模型：学习 MARS-F、EFIT 等程序的输入输出关系，比压极限估计加速超三个数量级，平衡重建单次计算从约 1 秒缩至 1 毫秒以内
  • 强化学习控制器：替代传统 PID 实现 100 毫秒时间尺度的磁位形控制，调整目标时无需重新仿真设计，单炮即可获得期望位形
  • 破裂预测器：监测近百个诊断通道，可在破裂发生前约 10 毫秒识别先兆特征，预测准确率显著优于传统方法

此外，装置真空室烘烤过程已建立数字孪生系统，实时同步计算温度、应力等多物理场分布。研究团队还计划构建聚变领域大模型，用 RAG 或微调方式整合文献、报告与操作规程，辅助实验报告生成与科研方案设计。

中国环流三号计划 2027 年底开展全国首个（全球第三个）氘-氚燃烧实验。届时高参数数据到手，AI 模型才有真正贴近聚变堆工况的训练素材。

聚变装置上毫秒级的控制窗口，恰好是强化学习和代理模型擅长的战场。