Robust Control of ECH Deposition Profiles on DIII-D

O artigo apresenta o desenvolvimento e a validação experimental do algoritmo de Otimização de ECH (ECHO) em tempo real no DIII-D, que utiliza um substituto de rede neural do código TORBEAM e um otimizador genético para controlar de forma robusta os perfis de deposição de aquecimento de ciclo de elétrons, apesar de falhas de girotrons e variações nos parâmetros do plasma.

O essencial

A Visão Geral: O "Termostato Inteligente" de uma Estrela

Imagine um Tokamak (a máquina no experimento DIII-D) como um forno gigante e superquente tentando cozinhar uma estrela. Para manter essa estrela estável e quente o suficiente para criar energia, os cientistas precisam disparar feixes de energia de micro-ondas (chamados de Aquecimento por Ciclotron de Elétrons, ou ECH) em pontos muito específicos dentro do forno.

Pense nesses feixes de micro-ondas como holofotes iluminando uma sala escura.

• O Problema: A "sala" (o plasma) está constantemente se movendo, mudando de forma e, às vezes, os holofotes (girotrons) quebram. Se você apontar um holofote para uma parede que de repente se move, a luz atingirá o lugar errado. Se um holofote quebrar, haverá uma mancha escura.
• O Jeito Antigo: Os cientistas costumavam programar os holofotes para mirar em um ponto específico antes do experimento começar. Se a sala se movesse ou uma luz quebrasse, a mira estaria errada e o experimento poderia falhar.
• O Novo Jeito (ECHO): Os pesquisadores construíram um "cérebro inteligente" chamado ECHO. Ele atua como um termostato super-rápido e autocorretivo. Ele verifica constantemente onde a sala está, verifica quais luzes estão funcionando e diz instantaneamente a cada holofote exatamente para onde apontar e com quanta intensidade brilhar para atingir o alvo perfeito.

Como o "Cérebro Inteligente" Funciona

O artigo descreve um sistema de duas partes que torna isso possível:

1. A Bola de Cristal (TorbeamNN)
Para saber onde a luz vai cair, você normalmente precisaria executar uma simulação de física complexa. Mas essas simulações são lentas — como tentar calcular o clima manualmente enquanto dirige um carro.

• A Inovação: A equipe treinou um modelo de Inteligência Artificial (IA) chamado TorbeamNN. Pense nesta IA como uma "bola de cristal" que memorizou milhões de simulações de física.
• A Velocidade: Em vez de levar 50 milissegundos para calcular onde a luz vai, a IA faz isso em 0,3 milissegundos. É como trocar uma calculadora lenta por um supercomputador. Isso permite que o sistema tome decisões mais rápido do que o plasma consegue se mover.

2. O Mestre do Xadrez (O Otimizador Genético)
Uma vez que a IA sabe para onde a luz pode ir, o sistema precisa decidir quais luzes usar e como mirá-las para corresponder a um formato específico (o "perfil alvo").

• O Processo: Imagine que você tem 10 holofotes e precisa pintar um formato específico na parede. Você poderia tentar todas as combinações, mas isso leva muito tempo. Em vez disso, o "Otimizador Genético" atua como um mestre do xadrez.
• Evolução: Ele tenta alguns arranjos aleatórios de luzes. Ele vê quais deles parecem mais próximos do alvo. Ele mantém os melhores, mistura suas configurações (como misturar duas boas receitas) e faz pequenos ajustes aleatórios. Ele repete esse processo milhares de vezes em uma fração de segundo até encontrar o arranjo perfeito.

O Que Aconteceu nos Experimentos?

A equipe testou este sistema na máquina DIII-D e provou que ele funciona em três cenários complicados:

1. O Alvo Móvel (Plasma em Mudança)

• O Cenário: O plasma dentro da máquina moveu-se para cima e para baixo em 10 centímetros (uma distância enorme para uma partícula).
• O Resultado: O sistema ECHO percebeu o movimento imediatamente. Ele ajustou os ângulos dos espelhos dos girotrons para que os feixes permanecessem travados no mesmo ponto em relação ao plasma, mesmo que o plasma estivesse dançando de um lado para o outro.

2. A Luz Quebrada (Falha de Hardware)

• O Cenário: Um dos girotrons (um holofote) morreu subitamente no meio do experimento.
• O Resultado: No passado, isso arruinaria o experimento. O ECHO, porém, percebeu instantaneamente: "Oh, perdemos uma luz". Ele recalculou o plano imediatamente, dizendo aos luzes restantes para deslocarem suas posições e potência para preencher a lacuna. O formato do alvo foi mantido quase perfeitamente, apesar da peça quebrada.

3. As Regras Mudando (Mudanças no Campo Magnético)

• O Cenário: O campo magnético que mantém o plasma unido foi alterado drasticamente.
• O Resultado: O sistema adaptou a mira dos feixes para compensar a nova física, mostrando que pode lidar com mudanças extremas no ambiente.

Por Que Isso Importa

O artigo afirma que este sistema é um grande passo à frente porque é robusto.

• Sistemas Antigos: Se você perde uma peça, todo o plano falha.
• Sistema ECHO: Ele trata os girotrons como um time. Se um colega de equipe cai, os outros se ajustam instantaneamente para terminar o trabalho.

Os autores concluem que esta tecnologia está pronta para futuras usinas de fusão (FPPs). Em uma usina de energia real, você não pode permitir que a máquina desligue apenas porque um aquecedor quebrou. O ECHO fornece a inteligência de "segurança contra falhas" necessária para manter a reação de fusão funcionando suavemente, mesmo quando as coisas dão errado.

Resumo

O artigo apresenta um novo sistema de controle (ECHO) que utiliza uma IA rápida para prever onde os feixes de micro-ondas vão pousar e um algoritmo inteligente para ajustar esses feixes instantaneamente. Isso permite que o sistema atinja um alvo preciso dentro de um reator de fusão, mesmo que o reator se mova, mude de forma ou perca um equipamento. Ele transforma um processo frágil e pré-programado em um processo flexível e autocorretivo.

Resumo técnico

Resumo Técnico: Controle Robusto de Perfis de Deposição de ECH no DIII-D

Definição do Problema
O Aquecimento por Ciclotron Eletrônico (ECH) é um atuador crítico para tokamaks, fornecendo aquecimento auxiliar, drive de corrente localizado e controle de estabilidade MHD. Diferente de outros métodos de aquecimento por RF que dependem de antenas e locais de deposição fixos determinados pelos parâmetros do plasma, o ECH utiliza espelhos orientáveis para ajustar as trajetórias dos raios e os locais de deposição em tempo real. No entanto, alcançar o controle preciso sobre o perfil total de deposição de ECH é desafiador devido à complexidade do traçado de raios, à necessidade de coordenar múltiplos girotrons simultaneamente e ao requisito de robustez contra falhas de hardware e condições dinâmicas do plasma. Códigos de traçado de raios em tempo real existentes (por exemplo, o TORBEAM reduzido) são frequentemente lentos demais para explorar múltiplas configurações para otimização ou apenas calculam locais de absorção de pico em vez de perfis de deposição completos. Além disso, as estratégias de controle tradicionais costem tratar os girotrons como unidades independentes em vez de um sistema coletivo, limitando a capacidade de multitarefa ou de recuperação de falhas de atuadores.

Metodologia
Os autores desenvolveram o algoritmo ECH Optimization (ECHO), um framework de controle em tempo real projetado para corresponder a um perfil de deposição radial de ECH alvo através da otimização dos ângulos dos espelhos e da potência (via modulação do ciclo de trabalho) de todos os girotrons disponíveis. A metodologia consiste em três componentes principais:

1. Modelo Surrogado TorbeamNN: Para superar a latência computacional do traçado de raios de alta fidelidade (TORBEAM), os autores treinaram um modelo surrogado de aprendizado de máquina (ML) baseado no código TORBEAM. Esta rede neural recebe parâmetros de estado do plasma em tempo real (forma do equilíbrio, perfis de temperatura e densidade eletrônica) e ângulos de espelhos dos girotrons como entradas. Ela produz perfis Gaussianos parametrizados (centro $\mu$, largura $\sigma$ e amplitude de pico $A$) para a deposição de ECH. O modelo foi treinado com mais de 2,2 milhões de cálculos de traçado de raios de 4.168 shots únicos do DIII-D. Para garantir o desempenho em tempo real, o modelo roda em paralelo para cada girotron e ângulo poloidal, gerando uma tabela de consulta em aproximadamente 0,32 ms (uma aceleração de >100x sobre o TORBEAM em tempo real otimizado).
2. Otimizador de Algoritmo Genético: Um otimizador genético busca na tabela de consulta pré-computada para encontrar a combinação ideal de ângulos de espelhos e ciclos de trabalho para os girotrons disponíveis. O algoritmo minimiza o erro quadrático médio entre o perfil alvo e o perfil de deposição total previsto. Ele incorpora "inércia" ao preservar uma porcentagem das melhores soluções do ciclo anterior para evitar movimentos desnecessários do hardware caso as condições estejam estáveis, enquanto ainda permite uma rápida adaptação a mudanças significativas.
3. Implementação no PCS: O sistema é integrado ao Sistema de Controle de Plasma (PCS) do DIII-D. Ele recebe dados de estado do plasma em tempo real do RT-EFIT e RTCAKENN, computa a configuração ideal e envia comandos de hardware para os girotrons. Todo o loop de controle opera em um ciclo de tempo de 50 ms.

Principais Contribuições

• Otimização de Perfil Completo em Tempo Real: Ao contrário de outros surrogados de ML que focavam apenas na absorção de pico, o TorbeamNN prevê perfis de deposição de ECH completos, permitindo a otimização de toda a distribuição de aquecimento radial.
• Controle Coordenado de Multi-Girotron: O framework trata o arranjo de girotrons como uma unidade coletiva, distribuindo inteligentemente potência e ângulos para corresponder a um único perfil alvo, em vez de atribuir tarefas independentes a cada girotron individualmente.
• Robustez a Falhas: O algoritmo é projetado para ser independente de atuador. No caso de uma falha de girotron durante um shot, o ECHO reotimiza imediatamente os girotrons funcionais restantes para aproximar melhor o perfil alvo, em vez de depender de cenários pré-programados que falhariam.
• Adaptabilidade a Condições Dinâmicas: O sistema ajusta automaticamente os ângulos dos espelhos e as potências em resposta às mudanças nas condições do plasma, como deslocamentos verticais do plasma ou variações no campo magnético toroidal ($B_T$), para manter um perfil de deposição constante em relação à coordenada de fluxo normalizada ($\rho$).

Resultados Experimentais
O algoritmo ECHO foi implantado e validado em vários experimentos do DIII-D (ex: shots 205902, 205838, 205907, 205905):

• Validação: Os perfis de deposção de ECH previstos pelo TorbeamNN e os comandos de hardware resultantes foram validados contra medições de Emissão de Ciclotron Eletrônico (ECE) usando Flux Fit (FF) e outros métodos inversos. Os centros dos perfis de deposção medidos coincidiram com as previsões do TORBEAM e do alvo dentro de $\lesssim 0,05$ em $\rho$.
• Rastreamento Dinâmico: O sistema rastreou com sucesso um perfil alvo constante enquanto o plasma passava por deslocamentos verticais significativos (>10 cm) e mudanças rápidas no campo magnético toroidal, ajustando os ângulos dos espelhos adequadamente.
• Tratamento de Falhas: No shot 205907, ocorreu uma falha de girotron (Girotron 5) durante o shot. O ECHO detectou a falha e reotimizou os girotrons restantes (1, 2 e 4) para redistribuir a potência, recuperando com sucesso o perfil de deposição. Uma mitigação de falha semelhante foi demonstrada no shot 205838, onde o Girotron 4 falhou.
• Modelagem de Perfil: O algoritmo demonstrou a capacidade de alternar rapidamente entre diferentes perfis alvo (ex: de pico único para pico duplo) dentro de uma única descarga.

Significância e Alegações
O artigo afirma que o ECHO representa um avanço significativo no controle de plasma em tempo real ao preencher a lacuna entre a modelagem integrada offline e a atuação de hardware em tempo real. Ao utilizar um modelo surrogado de aprendizado de máquina para traçado de raios rápido e um otimizador genético para gestão coletiva de atuadores, o sistema alcança:

1. Precisão: Correspondência precisa de perfis complexos de deposição de ECH em tempo real.
2. Robustez: A capacidade de manter os objetivos de controle apesar de falhas imprevisíveis de girotrons, um requisito crítico para futuros reatores de fusão comercial (FPPs), onde a redundância de atuadores e a tolerância a falhas são essenciais.
3. Flexibilidade: A capacidade de suportar diversos experimentos de física (ex: supressão de modo de tearing, bombeamento de impurezas, controle de sawtooth) sem exigir designs de controladores customizados para cada cenário.

Os autores observam que, embora a implementação atual utilize uma parametrização Gaussiana que pode ter limitações perto do núcleo e da borda do plasma, a precisão alcançada é suficiente para o controle em tempo real e qualitativamente superior às abordagens típicas de feedforward. O framework é apresentado como uma solução escalável para futuros dispositivos como o ITER e FPPs, onde o número de girotrons e a necessidade de controle robusto a falhas serão ainda mais críticos.