Ein supraleitender Chip hat Plasmadaten einer US-Fusionsanlage ausgewertet. Er soll dabei helfen, drohende Störungen frühzeitig zu erkennen. Sein neuronales Netz steckt direkt in der Hardware.
Bricht eine Plasmaentladung unkontrolliert ab, können Bauteile einer Fusionsanlage erheblich belastet werden. Solche Ereignisse rechtzeitig zu erkennen, ist deshalb eine wichtige Aufgabe der Plasmakontrolle. Ein Forschungsteam in den USA hat dafür einen neuen KI-Chip getestet: Er verarbeitete eingespeiste Messdaten der Forschungsanlage DIII-D mit einer Rate von einer Million Abtastwerten pro Sekunde.
An dem Projekt arbeiten das Brookhaven National Laboratory, das Princeton Plasma Physics Laboratory, die Fusionsanlage DIII-D und der Chiphersteller Great Sky. Brookhaven veröffentlichte die Ergebnisse am 19. Oktober 2026.
Warum die schnelle Auswertung wichtig ist
DIII-D in San Diego ist ein Tokamak. In einer solchen Anlage halten Magnetfelder das heiße Plasma eingeschlossen. Seine Eigenschaften müssen laufend gemessen werden, damit die Regelung auf Veränderungen reagieren kann. Die Messtechnik gehört deshalb zu den zentralen Aufgaben der Fusionsentwicklung.
Besonders problematisch sind sogenannte Disruptionen: Dabei geht der Plasmaeinschluss verloren, die Entladung bricht ab. Die freigesetzte Energie kann hohe Belastungen verursachen. Eine frühe Warnung soll ermöglichen, Gegenmaßnahmen einzuleiten.
Das neuronale Netz steckt in den Schaltungen
Der Chip von Great Sky bildet ein künstliches neuronales Netz unmittelbar mit analogen Schaltungen nach. Diese übernehmen Funktionen künstlicher Nervenzellen und ihrer Verbindungen: Sie verarbeiten eingehende Signale und gewichten deren Einfluss auf das Ergebnis.
Dafür nutzt das Unternehmen supraleitende Elektronik. Schaltungen mit sogenannten Josephson-Kontakten führen die Berechnungen aus; Lichtsignale übertragen Informationen zwischen den vernetzten Elementen. Ein solcher, an Nervensystemen orientierter Aufbau wird als neuromorph bezeichnet.
Nach Angaben des Herstellers lässt sich auch die Gewichtung der Verbindungen dort speichern, wo sie für die Verarbeitung gebraucht wird. Dadurch sollen weniger Daten zwischen getrennten Speicher- und Recheneinheiten bewegt werden. Great Sky verbindet damit das Ziel, schnell und mit geringem Energieaufwand zu rechnen. Die supraleitende Technik benötigt allerdings sehr niedrige Betriebstemperaturen.
Tests mit Messdaten und einer Plasmasimulation
In zwei Aufgaben wertete der Chip aufgezeichnete DIII-D-Daten aus. Dabei ging es um die Erkennung auffälliger Zustände und die Vorhersage von Plasmaabbrüchen. Nach Angaben des Teams hielt die Hardware mit der Abtastrate von einer Million Werten pro Sekunde Schritt.
Great-Sky-Chef Jeff Shainline erklärte dazu in der Brookhaven-Pressemitteilung, aus dem Englischen übersetzt: „Dies ist unser bisher größter Chip, und es ist großartig zu sehen, wie er Hochgeschwindigkeitsdaten direkt aus einem Tokamak verarbeitet.“
Eine dritte Aufgabe nutzte Daten aus TORAX, einem Tokamak-Simulator des Fusionsteams von Google DeepMind. Der Chip sollte darin Sägezahninstabilitäten vorhersagen.
Bei diesem Phänomen steigt die Temperatur im Plasmazentrum an und fällt anschließend abrupt ab. Wiederholt sich dieser Ablauf, entsteht in der Messkurve das namensgebende Sägezahnmuster. Ein solcher Temperaturabfall ist nicht mit dem vollständigen Abbruch einer Plasmaentladung gleichzusetzen.
KI wird auch für andere Aufgaben der Fusionsforschung eingesetzt. So beschleunigt HEAT-ML die Berechnung magnetisch abgeschirmter Bauteilflächen. Beim Great-Sky-Projekt steht dagegen die schnelle Auswertung von Plasmasignalen auf einer neuen Hardware im Mittelpunkt.
Nächster Einsatz an DIII-D geplant
Die Demonstration betrifft die Datenauswertung; eine aktive Regelung des Plasmas beschreibt die Projektmitteilung nicht. Brookhaven plant für Anfang 2027 die Vorführung eines Chips mit einem zehnmal größeren neuronalen Netz. Später im Jahr soll der Einsatz an DIII-D folgen.
Quellen
Ein Beitrag von:
