Robust Control of ECH Deposition Profiles on DIII-D

Le document présente le développement et la validation expérimentale de l'algorithme d'optimisation ECH (ECHO) en temps réel sur DIII-D, qui utilise un substitut par réseau de neurones du code TORBEAM et un optimiseur génétique pour contrôler de manière robuste les profils de dépôt de chauffage par cyclotron électronique malgré les défaillances de gyrotrons et les variations des paramètres du plasma.

L'essentiel

La vue d'ensemble : Le « thermostat intelligent » pour une étoile

Imaginez un Tokamak (la machine utilisée dans l'expérience DIII-D) comme un four géant et surchauffé essayant de cuisiner une étoile. Pour maintenir cette étoile stable et assez chaude pour produire de l'énergie, les scientifiques doivent projeter des faisceaux d'énergie micro-ondes (appelés chauffage par cyclotron électronique, ou ECH) dans des points très précis à l'intérieur du four.

Considérez ces faisceaux de micro-ondes comme des projecteurs éclairant une pièce sombre.

• Le Problème : La « pièce » (le plasma) est en mouvement constant, change de forme, et parfois les projecteurs (gyrotrons) tombent en panne. Si vous dirigez un projecteur vers un mur qui bouge soudainement, la lumière frappera le mauvais endroit. Si un projecteur tombe en panne, il y a une zone d'ombre.
• L'Ancienne Méthode : Les scientifiques programmaient autrefois les projecteurs pour viser un point spécifique avant le début de l'expérience. Si la pièce bougeait ou qu'une lampe tombait en panne, la visée était fausse et l'expérience pouvait échouer.
• La Nouvelle Méthode (ECHO) : Les chercheurs ont construit un « cerveau intelligent » appelé ECHO. Il agit comme un thermostat super rapide et autocorrecteur. Il vérifie constamment où se trouve la pièce, vérifie quels projecteurs fonctionnent, et dit instantanément à chaque projecteur exactement où pointer et avec quelle intensité briller pour atteindre la cible parfaite.

Comment fonctionne le « Cerveau Intelligent »

L'article décrit un système en deux parties qui rend cela possible :

1. La Boule de Cristal (TorbeamNN)
Pour savoir où la lumière va atterrir, il faut normalement exécuter une simulation physique complexe. Mais ces simulations sont lentes — c'est comme essayer de calculer la météo à la main tout en conduisant une voiture.

• L'Innovation : L'équipe a entraîné un modèle d'Intelligence Artificielle (IA) appelé TorbeamNN. Considérez cette IA comme une « boule de cristal » qui a mémorisé des millions de simulations physiques.
• La Vitesse : Au lieu de prendre 50 millisecondes pour calculer où la lumière va, l'IA le fait en 0,3 milliseconde. C'est comme remplacer une calculatrice lente par un supercalculateur. Cela permet au système de prendre des décisions plus vite que le plasma ne peut bouger.

2. Le Maître d'Échecs (L'Optimiseur Génétique)
Une fois que l'IA sait où la lumière peut aller, le système doit décider quels projecteurs utiliser et comment les orienter pour correspondre à une forme spécifique (le « profil cible »).

• Le Processus : Imaginez que vous avez 10 projecteurs et que vous devez peindre une forme spécifique sur le mur. Vous pourriez essayer toutes les combinaisons, mais cela prendrait une éternité. Au lieu de cela, l'« Optimiseur Génétique » agit comme un maître d'échecs.
• L'Évolution : Il essaie quelques arrangements aléatoires de projecteurs. Il voit lesquels sont les plus proches de la cible. Il garde les meilleurs, mélange leurs réglages (comme on mélange deux bonnes recettes) et effectue de minuscules ajustements aléatoires. Il répète ce processus des milliers de fois en une fraction de seconde jusqu'à trouver l'arrangement parfait.

Qu'est-ce qui s'est passé lors des expériences ?

L'équipe a testé ce système sur la machine DIII-D et a prouvé qu'il fonctionne dans trois scénarios difficiles :

1. La Cible Mobile (Plasma changeant)

• Le Scénario : Le plasma à l'intérieur de la machine s'est déplacé de haut en bas de 10 centimètres (une distance énorme pour une particule).
• Le Résultat : Le système ECHO a remarqué le mouvement immédiatement. Il a ajusté les angles des miroirs des gyrotrons pour que les faisceaux restent verrouillés sur le même point par rapport au plasma, même si le plasma dansait autour.

2. La Lumière Cassée (Défaillance matérielle)

• Le Scénario : Un des gyrotrons (un projecteur) est soudainement tombé en panne au milieu de l'expérience.
• Le Résultat : Par le passé, cela aurait ruiné l'expérience. ECHO, cependant, a instantanément réalisé : « Oh, nous avons perdu une lumière. » Il a immédiatement recalculé le plan, ordonnant aux lumières restantes de modifier leurs positions et leur puissance pour combler la lacune. La forme cible a été maintenue presque parfaitement malgré la pièce défectueuse.

3. Les Règles Changeantes (Décalages du champ magnétique)

• Le Scénario : Le champ magnétique qui maintient le plasma ensemble a été radicalement modifié.
• Le Résultat : Le système a adapté la visée des faisceaux pour compenser la nouvelle physique, montrant qu'il pouvait gérer des changements extrêmes dans l'environnement.

Pourquoi est-ce important ?

L'article affirme que ce système est une avancée majeure car il est robuste.

• Anciens Systèmes : Si vous perdez une pièce, tout le plan échoue.
• Système ECHO : Il traite les gyrotrons comme une équipe. Si un coéquipier abandonne, les autres s'ajustent instantanément pour terminer le travail.

Les auteurs concluent que cette technologie est prête pour les futures centrales de fusion (FPP). Dans une véritable centrale électrique, on ne peut pas se permettre que la machine s'arrête simplement parce qu'un dispositif de chauffage est tombé en panne. ECHO fournit l'intelligence de « sécurité intégrée » nécessaire pour maintenir la réaction de fusion en cours de manière fluide, même quand les choses tournent mal.

Résumé

L'article présente un nouveau système de contrôle (ECHO) qui utilise une IA rapide pour prédire où les faisceaux de micro-ondes atterriront et un algorithme intelligent pour ajuster instantanément ces faisceaux. Cela permet au système de frapper une cible précise à l'intérieur d'un réacteur de fusion, même si le réacteur bouge, change de forme ou perd un équipement. Cela transforme un processus fragile et préprogrammé en un processus flexible et autocorrecteur.

Résumé technique

Résumé Technique : Contrôle Robuste des Profils de Dépôt ECH sur DIII-D

Énoncé du Problème
Le chauffage par cyclotron électronique (ECH) est un actuateur critique pour les tokamaks, fournissant un chauffage auxiliaire, une commande de courant localisée et un contrôle de la stabilité MHD. Contrairement aux autres méthodes de chauffage RF qui reposent sur des antennes et des lieux de dépôt fixes déterminés par les paramètres du plasma, l'ECH utilise des miroirs orientables pour ajuster les trajectoires des rayons et les lieux de dépôt en temps réel. Cependant, obtenir un contrôle précis sur le profil de dépôt ECH total est difficile en raison de la complexité du tracé de rayons, de la nécessité de coordonner plusieurs gyrotrons simultanément, et de l'exigence de robustesse face aux défaillances matérielles et aux conditions dynamiques du plasma. Les codes de tracé de rayons existants en temps réel (par exemple, TORBEAM réduit) sont souvent trop lents pour explorer de multiples configurations pour l'optimisation ou ne calculent que les lieux d'absorption de pic plutôt que des profils de dépôt complets. De plus, les stratégies de contrôle traditionnelles traitent souvent les gyrotrons comme des unités indépendantes plutôt que comme un système collectif, ce qui limite la capacité de multitâche ou de récupération après une défaillance d'actuateur.

Méthodologie
Les auteurs ont développé l'algorithme ECH Optimization (ECHO), un cadre de contrôle en temps réel conçu pour correspondre à un profil de dépôt radial ECH cible en optimisant les angles de miroirs et la puissance (via la modulation du cycle de service) de tous les gyrotrons disponibles. La méthodologie se compose de trois composantes principales :

1. Modèle de Substitution TorbeamNN : Pour surmonter la latence de calcul du tracé de rayons haute fidélité (TORBEAM), les auteurs ont entraîné un modèle de substitution par apprentissage automatique (ML) basé sur le code TORBEAM. Ce réseau de neurones prend en entrée les paramètres de l'état du plasma en temps réel (forme de l'équilibre, profils de température et de densité électroniques) ainsi que les angles de miroirs des gyrotrons. Il produit des profils gaussiens paramétrés (centre $\mu$, largeur $\sigma$ et amplitude de pic $A$) pour le dépôt ECH. Le modèle a été entraîné sur plus de 2,2 millions de calculs de tracé de rayons provenant de 4 168 tirages uniques de DIII-D. Pour garantir les performances en temps réel, le modèle s'exécute en parallèle pour chaque gyrotron et angle poloidal, générant une table de recherche en environ 0,32 ms (une accélération de plus de 100x par rapport au TORBEAM optimisé en temps réel).
2. Optimiseur par Algorithme Génétique : Un optimiseur génétique parcourt la table de recherche pré-calculée pour trouver la combinaison optimale d'angles de miroirs et de cycles de service pour les gyrotrons disponibles. L'algorithme minimise l'erreur quadratique moyenne entre le profil cible et le profil de dépôt total prédit. Il incorpore de l'« inertie » en préservant un pourcentage des meilleures solutions du cycle précédent pour éviter les mouvements matériels inutiles si les conditions sont stables, tout en permettant une adaptation rapide aux changements significatifs.
3. Implémentation PCS : Le système est intégré au Système de Contrôle du Plasma (PCS) de DIII-D. Il reçoit les données de l'état du plasma en temps réel de RT-EFIT et RTCAKENN, calcule la configuration optimale et envoie les commandes matérielles aux gyrotrons. L'ensemble de la boucle de contrôle fonctionne sur un cycle de 50 ms.

Contributions Clés

• Optimisation de Profil Complet en Temps Réel : Contra보다 les précédents modèles de substitution ML qui se concentraient uniquement sur l'absorption de pic, TorbeamNN prédit les profils de dépôt ECH complets, permettant l'optimisation de toute la distribution de chauffage radiale.
• Contrôle Coordonné de Multi-Gyrotrons : Le cadre traite l'ensemble des gyrotrons comme une unité collective, distribuant intelligemment la puissance et les angles pour correspondre à un profil cible unique plutôt que d'assigner des tâches indépendantes à chaque gyrotron.
• Robustesse aux Défaillances : L'algorithme est conçu pour être indépendant de l'actuateur. En cas de défaillance d'un gyrotron en cours de tir, ECHO re-optimise immédiatement les gyrotrons fonctionnels restants pour approximer au mieux le profil cible, plutôt que de compter sur des scénarios préprogrammés qui échoueraient.
• Adaptabilité aux Conditions Dynamiques : Le système ajuste automatiquement les angles de miroirs et les puissances en réponse aux changements des conditions du plasma, tels que les décalages verticaux du plasma ou les variations du champ magnétique toroïdal ($B_T$), afin de maintenir un profil de dépôt constant par rapport à la coordonnée de flux normalisée ($\rho$).

Résultats Expérimentaux
L'algorithme ECHO a été déployé et validé dans plusieurs expériences DIII-D (ex: tirages 205902, 205838, 205907, 205905) :

• Validation : Les profils de dépôt ECH prédits par TorbeamNN et les commandes matérielles résultantes ont été validés par rapport aux mesures d'émission cyclotron électronique (ECE) en utilisant le Flux Fit (FF) et d'autres méthodes inverses. Les centres des profils de dépôt mesurés correspondaient aux prédictions de TORBEAM et de la cible à $\lesssim 0,05$ en $\rho$.
• Suivi Dynamique : Le système a réussi à suivre un profil cible constant alors que le plasma subissait des décalages verticaux importants (> 10 cm) et des changements rapides du champ magnétique toroïdal, ajustant les angles de miroirs en conséquence.
• Gestion des Défaillances : Dans le tir 205907, une défaillance de gyrotron (Gyrotron 5) est survenue en cours de tir. ECHO a détecté la défaillance et a re-optimisé les gyrotrons restants (1, 2 et 4) pour redistribuer la puissance, récupérant avec succès le profil de dépôt. Une atténuation de défaillance similaire a été démontrée dans le tir 205838 où le Gyrotron 4 a échoué.
• Façonnage de Profil : L'algorithme a démontré sa capacité à basculer rapidement entre différents profils cibles (par exemple, d'un pic unique à un double pic) au sein d'une même décharge.

Signification et Revendications
L'article affirme qu'ECHO représente une avancée significative dans le contrôle du plasma en temps réel en comblant le fossé entre la modélisation intégrée hors ligne et l'actionnement matériel en temps réel. En utilisant un modèle de substitution par apprentissage automatique pour un tracé de rayons rapide et un optimiseur génétique pour la gestion collective des actuateurs, le système atteint :

1. Précision : Correspondance précise de profils de dépôt ECH complexes en temps réel.
2. Robustesse : Capacité à maintenir les objectifs de contrôle malgré des défaillances imprévisibles de gyrotrons, une exigence critique pour les futures centrales de fusion commerciales (FPP) où la redondance des actuateurs et la tolérance aux pannes sont essentielles.
3. Flexibilité : Capacité à supporter diverses expériences de physique (ex: suppression de modes de déchirement, pompage d'impuretés, contrôle de dents de scie) sans nécessiter de conceptions de contrôleurs personnalisées pour chaque scénario.

Les auteurs notent que bien que l'implémentation actuelle utilise une paramétrisation gaussienne qui peut présenter des limitations près du cœur et du bord du plasma, la précision obtenue est suffisante pour le contrôle en temps réel et qualitativement supérieure aux approches de type feedforward typiques. Le cadre est présenté comme une solution évolutive pour les futurs dispositifs comme ITER et les FPP, où le nombre de gyrotrons et le besoin de contrôle robuste aux défaillances seront encore plus critiques.