2026年9月2日，普林斯顿等离子体物理实验室（PPPL）发了一份克制得近乎枯燥的新闻稿：一个叫 PACMAN 的机器学习框架，在加州圣地亚哥的 DIII-D 托卡马克上完成了五个实验的实弹测试。论文本身7月2日就上线了。但把新闻稿和论文原文对照着读，你会发现这里藏着聚变控制的一条分水岭：AI控制等离子体这件事，从"一个模型表演一个绝活"，开始变成"一套框架住着一群模型"。
先认识这场事故：磁面撕裂
托卡马克的原理，是把上亿度的等离子体悬在一团螺旋磁场里，让它别碰任何东西。磁场的磁力线本该一层层套好，像洋葱。可当等离子体电流分布不合适，某几层磁面会在数学上注定脆弱的位置被"撕"开——磁力线断开重接，卷出一个磁岛。
磁岛是个短路器。它越长越大，蚕食芯部的约束，最坏情况滑向"破裂"：等离子体电流瞬间淬灭，巨大的电磁力砸向装置。一次破裂就终结这一炮，还可能砸坏部件。对未来的 ITER 级装置，这类事件不可接受。
传统对策是灭火型：磁岛已经长出来了，再用电子回旋电流驱动，把一束毫米波精准打在磁岛位置补电流去抑制。有效，但被动，而且伴随性能损失。人类操作员看见征兆再动手，反应以秒计——而不稳定性增长以毫秒计。
2024年学了一招，2026年盖了栋楼
这条路普林斯顿走了两年。2024年2月，Kolemen 组在《自然》发文（Seo 等），用深度强化学习控制中性束功率和等离子体形状，动态模型每 25 毫秒前瞻一次"可撕裂性"，让等离子体绕开撕裂模——首次在真装置上实现"防火"而非"灭火"。那是单任务演示：一个模型，一个绝活。
PACMAN 是下一步。名字是刻意拗出来的缩写：Prediction And Control using MAchiNe learning。它是个四段式流水线——输入诊断、模型推理、控制器决策、输出到执行器——外加模型间通信、输出共享、冲突仲裁和安全限幅。模型像插件一样往里装。
论文里详述了五个已部署的应用，另有四个一笔带过，合计九个。五个详述实验覆盖了五种完全不同的机器学习范式：
数字读起来像仪表盘。模型单次推理 0.2 到 15 毫秒不等；回路周期按任务配置，从边缘爆发预测的 2 毫秒到强化学习控制的 50 毫秒。新闻稿口径说"整个框架典型约 20 毫秒跑一圈"——这个数恰好是最慢那台 MPC 控制器的周期，方向没错，精度粗糙，读的时候按"逐实验 2 到 50 毫秒"理解更稳。人类操作员？秒级。
最漂亮的一幕在撕裂模实验：机器学习模型实时输出撕裂概率，概率过 10%，第一支回旋管的微波束转向补位；过 20%，第二支援军加入。DIII-D 一共六支 110 GHz 回旋管，这套系统可以同时调度六管的功率和镜面角度——把六束兆瓦级微波拧成一股，按需落在几厘米尺度的目标点上。
"提前200毫秒"这个数，值得抠一下
新闻稿里最抓人的数字：某个实验里，模型提前约 200 毫秒预警撕裂模，让等离子体提前变形避开。翻论文正文，这个数不在里面——论文只说预测视界是"用户可配置项"，完整结果推给了配套论文。有意思的是，配套论文（Phys. Plasmas 33, 032502）对某一炮报的是提前 500 毫秒；而"200 毫秒"恰好是 2024 年那篇《自然》事后分析里出现的数字。
公允的写法是：预警提前量在数百毫秒量级，具体口径随实验配置浮动。方向没有争议——预测式避让在真装置上成立，这已经是第二次了。
还有一个诚实的细节值得单独说。PACMAN 正式版引言里明确承认：瑞士 TCV 托卡马克上，早就有面向传统控制器的集成式控制框架（那正是 DeepMind 合作的那条线）。PACMAN 的新意收敛得很干净——给机器学习模型造一个统一的实时部署框架。论文没抢这个功，修订版还专门补了这段对比。做基础设施的人心里清楚，地基下面还有地基。
为什么"框架"比"绝活"值钱
论文里五个实验，每个都是原理演示——配套的撕裂模研究，关键对照其实只有两炮等离子体。样本量小，这是这个阶段的天花板，不藏着。
真正的卖点在另一句话里。共同第一作者 Andy Rothstein 在新闻稿里说，搭 PACMAN 本体和接入第一个模型花了几个月，"然后装第二个模型，只花了几天，测试更容易，bug 少得多"。DIII-D 是台研究机器，实验窗口按炮计费——如果一周就能换一个新模型上线，控制研究的迭代速度就换了代际。另一位共同一作 Hiro Farre Kaga 和 Rothstein 同为普林斯顿研究生，Kolemen 在末位署名并挂监督与经费，这个框架是学生们在自己每天用的装置上长出来的工具。
聚变堆的实时控制是一道生死题：不稳定性以毫秒生长，模拟程序以天计费，人手以秒反应。中间那个数量级的空档，现在有东西填了。论文也老实画了边界：眼下跑在 CPU 上，GPU 和 FPGA 加速是未来工作；亚毫秒级的垂直位移事件这套框架管不了；要进 ITER 这种监管级别的装置，还有"合规 AI"一整座山要爬。
五束微波拧成一股，几百毫秒的预见权，一套谁都能往里插模型的房子。聚变控制这块拼图，这个月悄悄多了一角。
信源：Rothstein A., Farre-Kaga H.J. 等《Enabling integrated AI control on DIII-D》，Nuclear Fusion 66(7): 076050（2026-07-02 上线，DOI 10.1088/1741-4326/ae7f9d）；PPPL 新闻稿（Rachel Kremen，2026-09-02）；2024 前作 Seo 等《Avoiding fusion plasma tearing instability with deep reinforcement learning》，Nature 626:746-751；配套论文 arXiv:2502.20294（Phys. Plasmas 33, 032502）与 arXiv:2606.13661（ECHO 六管优化）。
#可控核聚变 #AI控制 #普林斯顿 #托卡马克 #PPPL
讨论回复
加载中...正在加载回复...
推荐
智谱 GLM-5 已上线
我正在智谱大模型开放平台 BigModel.cn 上打造 AI 应用，智谱新一代旗舰模型 GLM-5 已上线，在推理、代码、智能体综合能力达到开源模型 SOTA 水平。