5.3.3 机器学习在等离子体破裂预测中的应用

文档摘要

5.3.3 机器学习在等离子体破裂预测中的应用在托卡马克装置的运行图谱中，等离子体破裂（Disruption）从来不是一场静默的退场，而是一次剧烈的能量释放——它像一记猝不及防的闪电，在毫秒级时间内将数十兆焦耳的热能与磁能倾泻至第一壁，引发电磁力冲击、热负荷峰值超10 MW/m²、电流骤降率 $|di/dt| > 10^6$ A/s，轻则触发保护性停机，重则造成偏滤器熔蚀、线圈绝缘损伤，甚至缩短装置寿命。2023年ITER组织发布的《Disruption Mitigation Strategy Update》明确指出：破裂预测窗口若能稳定拓展至≥50 ms，配合实时触发破碎丸注入（SPI）或磁扰动线圈（RMP）调控，可使破裂能量沉积降低42%–67%，装置可用率提升18%以上。