Hardware

Supraleitender KI-Chip wertet Fusionsdaten aus

Ein neuer Chip verarbeitet schnelle Messdaten aus einem Tokamak. Der Versuch zeigt, welchen Beitrag spezielle KI-Hardware zur Überwachung von Fusionsplasmen leisten kann.

Von Wolfgang

20. Okt. 20264 Min. Lesezeit

Tokamak und räumlich getrennter Chip mit Artikelüberschrift

Ein supraleitender KI-Chip hat Messdaten aus dem Fusionsversuch DIII-D ausgewertet. Nach einer Mitteilung des Brookhaven National Laboratory vom 19. Oktober verarbeitete er dabei eine Million Messwerte pro Sekunde. Gemeinsam mit Princeton, DIII-D und dem Unternehmen Great Sky erprobt das Labor damit spezielle Hardware für eine schwierige Aufgabe: Veränderungen im Plasma schnell genug zu erkennen, damit eine künftige Regelung darauf reagieren kann.

Ein heißes Plasma braucht einen schnellen Beobachter

In einem Tokamak halten Magnetfelder ein heißes Plasma in einem ringförmigen Gefäß. Seine Form und Lage verändern sich; die Regelung muss die Magnetspulen entsprechend nachführen. Berührt das Plasma die Gefäßwand, geht Wärme verloren, und Bauteile können Schaden nehmen. DeepMind beschreibt für solche Regelsysteme Anpassungen der Spulenspannungen mehrere Tausend Mal pro Sekunde. Zwischen einer Messung und einer sinnvollen Reaktion liegt also eine ganze technische Kette.

Man kann sich das wie das Balancieren eines Stocks auf der Hand vorstellen. Wer seine Bewegung erkennt, muss noch entscheiden, wohin die Hand gehört, und sie rechtzeitig bewegen. Schnellere Augen helfen besonders dann, wenn die übrige Bewegung ebenso gut abgestimmt ist. Bei einem Tokamak übernehmen Sensoren, Rechenverfahren und Magnetspulen diese unterschiedlichen Aufgaben. Der neue Chip adressiert die Auswertung der Signale.

Zwei Datenquellen für den Chip

Das Team bearbeitete laut Brookhaven zwei Aufgaben mit DIII-D-Messdaten: Auffälligkeiten einordnen und Plasmaabbrüche vorhersagen. Eine dritte Aufgabe nutzte simulierte Daten aus TORAX, um den Beginn sogenannter Sägezahninstabilitäten zu erkennen. Dabei handelt es sich um rasche Veränderungen im Plasma. Die Auswertung erfolgt durch neuronale Schaltungen aus supraleitender Elektronik.

Schematischer Datenfluss von DIII-D-Messdaten und TORAX-Simulation zu einem räumlich getrennten supraleitenden Chip — Messdaten und simulierte Signale dienen als Eingänge der Chiptests. Schematische Darstellung. (Quelle: KI generiert)

Great Sky beschreibt seinen Hardwareansatz als Verbindung von supraleitendem Rechnen und Kommunikation mit Licht. Solche Bausteine sollen neuronale Netze direkt in der Hardware abbilden. Supraleitung gehört dabei zur gekühlten Elektronik. Das heiße Plasma ist der beobachtete Gegenstand; die Daten gelangen zur Verarbeitung in einen getrennten technischen Aufbau. Die räumliche Trennung ist für das Verständnis entscheidend.

Warum auch ein virtueller Tokamak dazugehört

TORAX ist ein frei verfügbarer Simulator für den Transport von Wärme, Teilchen und elektrischem Strom im Inneren eines Tokamaks. Forschende können damit berechnen, wie sich ein Plasmazustand entwickelt, und Entwürfe für Betriebsabläufe oder Regler untersuchen. Die Software ist in Python mit JAX geschrieben, einem Werkzeug für effiziente numerische Berechnungen und automatische Ableitungen.

Ein solches Modell macht Veränderungen systematisch untersuchbar. Wer einen Eingang verändert, kann im Rechner verfolgen, welche Folgen das für Temperatur, Dichte oder Strom hat. Damit lassen sich auch Daten für die Entwicklung von Auswerteverfahren erzeugen. Reale Messdaten und simulierte Verläufe beantworten dabei verschiedene Fragen: Die einen stammen aus einer konkreten Maschine, die anderen erlauben kontrolliert veränderte Szenarien.

Auch der Begriff Echtzeit hat hier eine konkrete Bedeutung: Eine Auswertung muss rechtzeitig für die jeweilige Aufgabe vorliegen. Wie dicht Messwerte aufeinander folgen, beschreibt zunächst den eingehenden Datenstrom. Für eine Regelung kommen anschließend weitere Schritte hinzu. Ein Muster muss in eine Entscheidung übersetzt werden, und die Maschine muss diese Entscheidung umsetzen. Darum ist das Zusammenspiel der Bausteine so wichtig. Die Nachricht macht diesen oft unsichtbaren Teil der Fusionsforschung greifbar: Neben dem Plasma selbst entscheidet die Verarbeitung seiner Signale darüber, wie gut Forschende eine Anlage beobachten und führen können.

Dass Simulation und KI-Regelung zusammenpassen, zeigte bereits eine 2022 veröffentlichte Arbeit von DeepMind und der EPFL. Damals lernte ein System zunächst im Simulator und steuerte anschließend das Plasma im Schweizer TCV-Tokamak. Dieser frühere Versuch betraf die Regelstrategie. Die neue US-Demonstration untersucht eine besondere Hardware zur Verarbeitung der dafür relevanten Signale.

Brookhaven bereitet nun eine Fachveröffentlichung vor. Anfang 2027 soll ein Chip mit einem zehnmal größeren neuronalen Netz folgen, später im Jahr ist der Einsatz bei DIII-D geplant. Dann wird aus dem Datenversuch der nächste praktische Integrationsschritt: Messung, Auswertung und Anlagenbetrieb zusammenzubringen.