在中国的全超导托卡马克核聚变实验装置（EAST）上，最有实际用途的人工智能不会撰写报告，也不会与操作人员交谈。它注视着能在毫秒间改变状态的等离子体，尝试回答两个范围很窄的问题：眼前这种不稳定性是否即将终止本次放电，装置此刻又处于哪一种约束状态？

EAST 团队的两篇论文分别发表于 2025 年 6 月 23 日和 6 月 26 日，并将两个问题分别转化为独立的机器学习系统。一套预测锁模引发的破裂，另一套区分低约束模、无边缘局域模的高约束模，以及伴有边缘局域模的高约束模。中国科学院把两者视为迈向智能聚变控制的步骤。[1][2][3]

封面照片拍摄于 2026 年 4 月 28 日 的 EAST 升级改造期间。研究人员郭晋正在装置的诊断设备与金属构件之间工作——每一个“实时”模型最终都要进入这一物理层。[6]

最醒目的结果——成功预警率 94%，平均预警时间 137 毫秒——听起来像一套自主安全系统。[1][2] 现有证据尚不足以支持这一判断。它是在明确的 10% 误报率下，针对一种破裂成因得到的测试结果。真正的用例从预测之后才开始：控制系统要接收实时信号，要求信号在阈值之上持续足够长的时间以排除噪声，选择执行器，并在等离子体崩溃前介入。

一种等离子体失效方式的预警

托卡马克依靠磁场约束高温等离子体。在磁场内部，旋转的磁流体动力学扰动会逐渐减速，直至相对装置静止，形成“锁模”。锁模会带来磁岛扩大和约束退化的风险，其中一部分还会引发破裂，使储存的热能和磁能迅速流失。这里的“一部分”至关重要：预测器必须分清仍可承受的锁模与正在逼近崩溃的锁模。[2]

研究使用 EAST 在 2015 至 2022 年开展误差场穿透实验时取得的锁模数据。研究人员建立了两组决策树集成模型。一组以物理解释为重点，用于揭示哪些变量能够区分破裂与未破裂样本；另一组只使用适合实时预测的信号。[2]

在测试集上，可解释模型报告的受试者工作特征曲线下面积为 0.997。其中最重要的特征是 d_edge，即磁岛外缘与等离子体最后闭合磁面之间的距离。储能、加热功率、内电感、电子温度和磁相关物理量也参与了判断。[2]

这份特征排序比“AI 找到了前兆”之类的笼统说法更有价值。它给物理学家留下了一个可以检验的命题：当磁岛靠近受约束等离子体的边缘时，风险会发生变化，集成模型把这种变化视为决定性信号。模型的作用仍以等离子体物理学为基础；它把多项测量合并为报警信号，也让结果仍可追溯到有物理意义的变量。

实时模型给出了更贴近运行的数字：成功预警率 94%，平均预警时间 137 毫秒，误报率 10%。[1][2] 三个数字需要一起解读。提高灵敏度、接受更多误触发，可以换取更早的预警；收紧阈值可以保护稀缺的实验放电，却会漏掉危险事件。预警率若脱离对应的误报率工作点，就会遮蔽这项取舍。

适用范围同样重要。训练数据只来自 EAST 这一台装置上的一类人为诱发锁模实验。结果没有覆盖 EAST 的所有破裂，更无法涵盖未来每一台托卡马克。137 毫秒也并非可以随意支配的余量。信号采集、滤波、模型推理、阈值逻辑、通信和执行器响应，都必须在这段预警窗口内完成。

第二个模型告诉控制器装置处于何种状态

避免灾难只是控制的一部分。托卡马克还要知道自身是在低约束模（L 模）下运行，还是进入了约束性能更高的高约束模（H 模）；在 H 模下，又是否伴有边缘局域模（ELM）。ELM 是发生在边缘的短暂不稳定性，会把一阵阵能量释放到面向等离子体的部件。系统若无法辨认当前状态，就难以可靠决定下一项控制目标。[1][3]

EAST 团队将问题设定为两项相互关联的任务。电子密度、等离子体电流、环向磁场、拉长比、功率损失和小半径等六项标量特征，帮助系统识别 L 模与 H 模。来自氘光发射与 Mirnov 磁线圈的快速时序信号则用于检测 ELM 爆发。两项任务共享一个神经网络层，各自的证据可以在结果不一致时相互校正。[3]

二者的物理关系给出了有效约束。ELM 检测器一旦发现真实的边缘局域模，运行状态就应当是 H 模；这套分类中没有相应的“ELMy L 模”类别。联合训练因此可以让显眼的信号尖峰直接帮助较难的状态分类，并在共享层内协调两项任务的结果。[3]

评估采用了 2016 至 2022 年 ELM 控制实验中的 226 次 EAST 放电。专家把数据划分成 78,328 个带标签的 20 毫秒样本，类别分别为 L 模、无 ELM 的 H 模和 ELMy H 模。主要的训练集、验证集与测试集按 60:20:20 划分，样本经过随机打乱，因此测试集并未排除来自已见放电的片段。作者另行评估了 61 次此前未见的完整放电，这项检查更为严格，也很重要。[3]

联合模型在主要测试集上的总体准确率达到 96.7%，比由两个单任务模型组成的对照方案高 3.6 个百分点。分类别结果把难点显示得很清楚：论文报告 L 模为 97.8%，无 ELM 的 H 模约为 92%，ELMy H 模为 97.9%。在此前未见的放电上，联合模型的准确率下降 0.8 个百分点，独立模型则下降 1.8 个百分点。[1][3]

论文还报告，模型处理每个样本的推理时间为 0.68 毫秒；把全部输入都作为序列处理的完整双向 LSTM 则需要 5.4 毫秒。[3] 这些数据表明模块化设计推理很快。处理速度表没有注明部署所用的处理器，因此这组结果还不能保证加固型控制计算机上的实际延迟。

只有执行器响应，预测才有意义

EAST 早先的一套独立破裂预测器已经演示过这条更完整的控制链。在 2022 年国际原子能机构的一次技术会议上，研究人员介绍了一套接入 EAST 等离子体控制系统的随机森林模型。破裂概率信号在可配置阈值之上持续超过 10 毫秒时，系统会触发大质量气体注入，把氖送入等离子体以减轻损伤。[4]

这项早期实验既是重要背景，也划出了关键区别。它证明 EAST 的机器学习信号曾越过回顾性分类的范围，进入阈值逻辑，并触发物理执行器。它没有证明 2025 年的锁模预测器或约束状态网络已经部署到同一套闭环中。

预测与缓解之间隔着物理过程。ITER 对破裂缓解系统的官方介绍以破碎弹丸为核心：把冻结的氢氖弹丸碎片注入等离子体，借助辐射分散能量，降低热负荷与机械负荷。检测完成后，系统在毫秒时间尺度上动作。[5] 更好的预测器可以为它争取时间，预测器本身不会冷却等离子体。

约束状态分类器面对的是另一种交接。状态标签必须对应明确的控制策略：维持当前状态、调整加热、调节磁扰动，或抑制一种不稳定性。策略还要为传感器读数矛盾、信号缺失、快速跃迁和分布外工况设定保护措施。允许采取的动作与回退状态明确之后，“实时监测”才能进入“控制”。

下一轮实验怎样赢得信任

下一步验证的重点应从更大的汇总分数移到事件台账。每次实时报警都要记录模型版本、输入可用情况、概率轨迹、阈值持续时间、执行器命令、执行器响应、等离子体结果和操作人员人工接管。漏报的破裂与多余的干预应分别报告。结果还要按实验轮次分层，避免诊断设备、器壁条件、加热方式和控制软件的变化隐入同一个平均值。

状态分类器也需要同样的检验纪律。测试集应预留完整的未来放电，理想情况下还应预留更晚的一轮实验，不能只依靠随机打乱的 20 毫秒样本。较难识别的无 ELM H 模需要单独的错误预算，因为把它误判为 L 模或 ELMy H 模，会带来推荐错误控制动作的风险。硬件在环测试应测量从传感器到命令的完整链条，神经网络推理只是其中一段。

跨装置迁移是更长远的检验。某项特征即便在 EAST 上具有清楚的物理含义，跨装置使用时仍需核查它对这台装置的诊断设备、校准、几何形状和运行方案有多大依赖。方法若要走向 BEST 或 ITER，就要准备新标签、检查不确定性，也应把重新训练纳入预期。截至目前，EAST 尚未造出通用聚变自动驾驶系统；现有证据支持的是两项紧凑、范围明确、可检验的候选系统，对应控制技术栈中的两个具体位置。

137 毫秒的重要性正在这里显现。这段时间长到足以考虑干预，又短到足以暴露模型与装置之间的每一个薄弱环节。在聚变控制中，AI 的语气再笃定、回顾性排行榜名次再高，也换不来信任。预警必须穿过线缆、阈值和执行器，并经受下一次放电的检验。

来源

1. 中国科学院，“New AI Advances Boost Safety and Performance in Fusion Reactors”（2025 年 7 月 11 日；两套 EAST 系统及其主要结果的官方概述）。
2. Guo-Hong Deng 等，“Interpretability analysis and real-time prediction of locked mode-induced disruptions in EAST”，Plasma Physics and Controlled Fusion 67，075013（发表于 2025 年 6 月 26 日；数据集范围、特征、预警表现和误报工作点）。
3. Guo-Hong Deng 等，“Automatic identification of tokamak plasma confinement states (L-mode, ELM-free H-mode, and ELMy H-mode) with multi-task learning neural network”，Nuclear Fusion 65，076035（发表于 2025 年 6 月 23 日；架构、带标签数据集、数据划分、分类结果、未见放电测试和处理速度）。
4. 国际原子能机构，“Applications of machine learning for plasma control in fusion reactors”（2022 年 7 月 20 日；另一套早期预测器在 EAST 控制系统中的集成、阈值持续时间及大质量气体注入的交接）。
5. ITER 组织，“Disruption mitigation”（关于破裂负荷、破碎弹丸注入，以及从检测到缓解所需毫秒级时间的官方说明）。
6. 中国科学院，“Pic Story of Young Scientists on Science Island in China's Anhui”（2026 年 5 月 6 日；郭晋调试 EAST 的新华社照片来源及背景）。