Robust Control of ECH Deposition Profiles on DIII-D

Il documento presenta lo sviluppo e la validazione sperimentale dell'algoritmo di ottimizzazione ECH (ECHO) in tempo reale su DIII-D, il quale utilizza un modello surrogato basato su rete neurale del codice TORBEAM e un ottimizzatore genetico per controllare in modo robusto i profili di deposizione del riscaldamento da ciclotrone degli elettroni nonostante i guasti ai gyrotron e le variazioni dei parametri del plasma.

L'essenziale

Il quadro generale: il "Termostato Intelligente" per una stella

Immaginate un Tokamak (la macchina nell'esperimento DIII-D) come un enorme forno supercaldo che cerca di cucinare una stella. Per mantenere questa stella stabile e abbastanza calda da creare energia, gli scienziati devono sparare fasci di energia a microonde (chiamata riscaldamento a ciclo elettronico, o ECH) in punti molto specifici all'interno del forno.

Pensate a questi fasci di microonde come a dei riflettori che illuminano una stanza buia.

• Il Problema: La "stanza" (il plasma) è in costante movimento, cambia forma e, a volte, i riflettori (i girotroni) si rompono. Se puntate un riflettore verso una parete che si muove improvvisamente, la luce colpirà il punto sbagliato. Se un riflettore si rompe, si crea una zona buia.
• Il Vecchio Metodo: In passato, gli scienziati programmavano i riflettori per puntare a un punto specifico prima dell'esperimento. Se la stanza si muoveva o una luce si rompeva, la mira era errata e l'esperimento poteva fallire.
• Il Nuovo Metodo (ECHO): I ricercatori hanno costruito un "cervello intelligente" chiamato ECHO. Funziona come un termostato superveloce e autocorrettivo. Controlla costantemente dove si trova la stanza, controlla quali luci sono funzionanti e dice istantaneamente a ogni riflettore esattamente dove puntare e quanto intensamente brillare per colpire il bersaglio perfetto.

Come funziona il "Cervello Intelligente"

Il documento descrive un sistema in due parti che rende tutto questo possibile:

1. La Palla di Cristallo (TorbeamNN)
Per sapere dove atterrerà la luce, di solito è necessario eseguire una complessa simulazione fisica. Ma queste simulazioni sono lente — come cercare di calcolare il meteo a mano mentre si guida un'auto.

• L'Innovazione: Il team ha addestrato un modello di Intelligenza Artificiale (IA) chiamato TorbeamNN. Pensate a questa IA come a una "palla di cristallo" che ha memorizzato milioni di simulazioni fisiche.
• La Velocità: Inve di impiegare 50 millisecondi per calcolare dove va la luce, l'IA lo fa in 0,3 millisecondi. È come sostituire una lenta calcolatrice con un supercomputer. Questo permette al sistema di prendere decisioni più velocemente di quanto il plasma possa muoversi.

2. Il Maestro degli Scacchi (L'Ottimizzatore Genetico)
Una volta che l'IA sa dove la luce può andare, il sistema deve decidere quali luci utilizzare e come puntarle per corrispondere a una forma specifica (il "profilo target").

• Il Processo: Immaginate di avere 10 riflettori e di dover dipingere una forma specifica su una parete. Potreste provare tutte le combinazioni, ma ci vorrebbe una eternità. Invece, l' "Ottimizzatore Genetico" agisce come un maestro degli scacchi.
• Evoluzione: Prova alcune disposizioni casuali dei riflettori. Osserva quali si avvicinano di più al target. Mantiene le migliori, mescola le loro impostazioni (come mescolare due buone ricette) e apporta piccole modifiche casuali. Ripete questo processo migliaia di volte in una frazione di secondo finché non trova la disposizione perfetta.

Cosa è successo negli esperimenti?

Il team ha testato questo sistema sulla macchina DIII-D e ha dimostrato che funziona in tre scenari complicati:

1. Il Bersaglio Mobile (Plasma Cambiante)

• Lo Scenario: Il plasma all'interno della macchina si è spostato su e giù di 10 centimetri (una distanza enorme per una particella).
• Il Risultato: Il sistema ECHO ha notato il movimento immediatamente. Ha regolato gli angoli degli specchi dei girotroni in modo che i fasci rimanessero bloccati sullo stesso punto rispetto al plasma, anche se il plasma stava "danzando".

2. La Luce Rotta (Guasto Hardware)

• Lo Scenario: Uno dei girotroni (un riflettore) è morto improvvisamente nel mezzo dell'esperimento.
• Il Risultato: In passato, questo avrebbe rovinato l'esperimento. ECHO, invece, ha capito istantaneamente: "Oh, abbiamo perso una luce". Ha ricalcolato immediatamente il piano, dicendo agli altri riflettori di spostare la loro posizione e potenza per colmare la lacuna. La forma del bersaglio è stata mantenuta quasi perfettamente nonostante la parte guasta.

3. Le Regole che Cambiano (Spostamenti del Campo Magnetico)

• Lo Scenario: Il campo magnetico che tiene insieme il plasma è stato cambiato drasticamente.
• Il Risultato: Il sistema ha adattato la mira dei fasci per compensare la nuova fisica, dimostrando di poter gestire cambiamenti estremi nell'ambiente.

Perché questo è importante

Il documento afferma che questo sistema è un grande passo avanti perché è robusto.

• I Vecchi Sistemi: Se si perde un componente, l'intero piano fallisce.
• Il Sistema ECHO: Tratta i girotroni come una squadra. Se un compagno di squadra cade, gli altri si adeguano istantaneamente per finire il lavoro.

Gli autori concludono che questa tecnologia è pronta per le future centrali a fusione (FPP). In una vera centrale elettrica, non puoi permetterti che la macchina si spenga solo perché un riscaldatore si è rotto. ECHO fornisce l'intelligenza "fail-safe" necessaria per mantenere fluida la reazione di fusione, anche quando le cose vanno male.

Riassunto

Il documento presenta un nuovo sistema di controllo (ECHO) che utilizza un'IA veloce per prevedere dove atterreranno i fasci di microonde e un algoritmo intelligente per regolare istantaneamente tali fasci. Ciò consente al sistema di colpire un bersaglio preciso all'interno di un reattore a fusione, anche se il reattore si muove, cambia forma o perde un pezzo di equipaggiamento. Trasforma un processo fragile e pre-programmato in uno flessibile e autocorrettivo.

Sommario tecnico

Sintesi Tecnica: Controllo Robusto dei Profili di Deposizione ECH su DIII-D

Definizione del Problema
L'Elettronica di Riscaldamento a Ciclotrone Elettronico (ECH) è un attuatore critico per i tokamak, fornendo riscaldamento ausiliario, drive di corrente localizzato e controllo della stabilità MHD. A differenza di altri metodi di riscaldamento a radiofrequenza che si affidano ad antenne e posizioni di deposizione fisse determinate dai parametri del plasma, l'ECH utilizza specchi orientabili per regolare le traiettorie dei raggi e le posizioni di deposizione in tempo reale. Tuttavia, ottenere un controllo preciso sul profilo totale di deposizione ECH è complesso a causa della complessità del ray tracing, della necessità di coordinare simultaneamente più girotroni e del requisito di robustezza contro i guasti hardware e le condizioni dinamiche del plasma. Gli esistenti codici di ray tracing in tempo reale (ad esempio, il ridotto TORBEAM) sono spesso troppo lenti per esplorare molteplici configurazioni per l'ottimizzazione o calcolano solo le posizioni di assorbimento di picco piuttosto che i profili di deposizione completi. Inoltre, le strategie di controllo tradizionali trattano spesso i girotroni come unità indipendenti piuttosto che come un sistema collettivo, limitando la capacità di multitasking o di recupero dai guasti degli attuatori.

Metodologia
Gli autori hanno sviluppato l'algoritmo ECH Optimization (ECHO), un framework di controllo in tempo reale progettato per far corrispondere un profilo di deposizione radiale ECH target ottimizzando gli angoli degli specchi e la potenza (tramite modulazione del duty cycle) di tutti i girotroni disponibili. La metodologia consiste in tre componenti primarie:

1. Modello Surrogato TorbeamNN: Per superare la latenza computazionale del ray tracing ad alta fedeltà (TORBEAM), gli autori hanno addestrato un modello surrogato basato sul machine learning (ML) partendo dal codice TORBEAM. Questa rete neurale riceve come input i parametri dello stato del plasma in tempo reale (forma dell'equilibrio, profili di temperatura elettronica e densità) e gli angoli degli specchi dei girotroni. Produce profili gaussiani parametrizzati (centro $\mu$, larghezza $\sigma$ e ampiezza di picco $A$) per la deposizione ECH. Il modello è stato addestrato su oltre 2,2 milioni di calcoli di ray trace provenienti da 4.168 scariche uniche di DIII-D. Per garantire le prestazioni in tempo reale, il modello viene eseguito in parallelo per ogni girotrone e angolo poloidale, generando una tabella di lookup in circa 0,32 ms (un'accelerazione >100x rispetto al TORBEAM in tempo reale ottimizzato).
2. Ottimizzatore ad Algoritmo Genetico: Un ottimizzatore genetico ricerca nella tabella di lookup pre-calcolata per trovare la combinazione ottimale di angoli degli specchi e duty cycle per i girotroni disponibili. L'algoritmo minimizza l'errore quadratico medio tra il profilo target e il profilo di deposizione predetto. Incorpora l'"inerzia" preservando una percentuale delle migliori soluzioni del ciclo precedente per evitare movimenti hardware non necessari se le condizioni sono stabili, pur consentendo una rapida adattabilità a cambiamenti significativi.
3. Implementazione PCS: Il sistema è integrato nel Plasma Control System (PCS) di DIII-D. Riceve dati sullo stato del plasma in tempo reale da RT-EFIT e RTCAKENN, calcola la configurazione ottimale e invia i comandi hardware ai girotroni. L'intero ciclo di controllo opera su un tempo di ciclo di 50 ms.

Contributi Chiave

• Ottimizzazione del Profilo Completo in Tempo Reale: A differenza dei precedenti surrogati ML focalizzati solo sull'assorbimento di picco, TorbeamNN predice i profili di deposizione ECH completi, consentendo l'ottimizzazione dell'intera distribuzione del riscaldamento radiale.
• Controllo Coordinato Multi-Girotrone: Il framework tratta l'array di girotroni come un'unità collettiva, distribuendo intelligentemente potenza e angoli per corrispondere a un singolo profilo target invece di assegnare compiti indipendenti a singoli girotroni.
• Robustezza ai Guasti: L'algoritza è progettato per essere indipendente dall'attuatore. In caso di guasto di un girotrone durante una scarica, ECHO ri-ottimizza immediatamente i restanti girotroni funzionanti per approssimare al meglio il profilo target, anziché fare affidamento su scenari pre-programmati che fallirebbero.
• Adattabilità alle Condizioni Dinamiche: Il sistema regola automaticamente gli angoli degli specchi e le potenze in risposta ai cambiamenti delle condizioni del plasma, come spostamenti verticali del plasma o variazioni nel campo magnetico toroidale ($B_T$), per mantenere un profilo di deposizione costante rispetto alla coordinata del flusso normalizzato ($\rho$).

Risultati Sperimentali
L'algoritmo ECHO è stato implementato e validato in diverse esperimenti DIII-D (ad es. shots 205902, 205838, 205907, 205905):

• Validazione: I profili di deposizione ECH predetti da TorbeamNN e i relativi comandi hardware sono stati validati rispetto alle misurazioni di Emissione di Ciclotrone Elettronico (ECE) utilizzando Flux Fit (FF) e altri metodi inversi. I centri dei profili di deposizione misurati corrispondevano al target e alle predizioni di TORBEAM entro $\lesssim 0,05$ in $\rho$.
• Tracciamento Dinamico: Il sistema ha tracciato con successo un profilo target costante mentre il plasma subiva significativi spostamenti verticali (>10 cm) e rapidi cambiamenti nel campo magnetico toroidale, regolando di conseguenza gli angoli degli specchi.
• Gestione dei Guasti: Nello shot 205907, si è verificato un guasto al girotrone (Girotrone 5) durante la scarica. ECHO ha rilevato il guasto e ha ri-ottimizzato i restanti girotroni (1, 2 e 4) per ridistribuire la potenza, recuperando con successo il profilo di deposizione. Una mitigazione di guasto simile è stata dimostrata nello shot 205838 dove il Girotrone 4 è fallito.
• Modellazione del Profilo: L'algoritmo ha dimostrato la capacità di passare rapidamente tra diversi profili target (ad es. da singolo picco a doppio picco) all'interno di una singola scarica.

Significatività e Rivendicazioni
L'articolo afferma che ECHO rappresenta un avanzamento significativo nel controllo del plasma in tempo reale colmando il divario tra la modellazione integrata offline e l'attuazione hardware in tempo reale. Utilizzando un modello surrogato di machine learning per il ray tracing veloce e un ottimizzatore genetico per la gestione collettiva degli attuatori, il sistema raggiunge:

1. Precisione: Corrispondenza accurata di profili di deposizione ECH complessi in tempo reale.
2. Robustezza: La capacità di mantenere gli obiettivi di controllo nonostante guasti imprevisti ai girotroni, un requisito critico per i futi impianti di fusione commerciale (FPP) dove la ridondanza degli attuatori e la tolleranza ai guasti sono essenziali.
3. Flessibilità: La capacità di supportare diversi esperimenti di fisica (ad es. soppressione di modi tearing, pompaggio di impurità, controllo sawtooth) senza richiedere progetti di controllori personalizzati per ogni scenario.

Gli autori osservano che, sebbene l'attuale implementazione utilizzi una parametrizzazione Gaussiana che può presentare limitazioni vicino al core e al bordo del plasma, l'accuratezza raggiunta è sufficiente per il controllo in tempo reale ed è qualitativamente superiore ai tipici approcci feedforward. Il framework è presentato come una soluzione scalabile per futuri dispositivi come ITER e FPP, dove il numero di girotroni e la necessità di un controllo robusto ai guasti saranno ancora più critici.