KI und die schwierigen Probleme der Welt · Kernfusion & Energie · arXiv · 2026-10-20
Reinforcement-Learning-Regler für die Entwicklung von Fusionsszenarien
Originaltitel: Reinforcement Learning Controllers for Fusion Scenario Development
Das Entwerfen von Tokamak-Entladungsszenarien ist iterativ und arbeitsintensiv, da jeder Kandidat eine Reglerabstimmung und Simulation erfordert. Die Autoren trainieren vorab einen zielkonditionierten Reinforcement-Learning-Regler, der ausschließlich durch Zielverläufe spezifiziert wird, und nutzen dafür einen Simulator für Gleichgewicht mit freiem Rand und Transport. Bei einem Plasmastrom-Hochlauf an EAST bildete der Regler in 86 % von 1024 Testszenarien einen Divertor aus und erreichte in 58 % das Episodenende in einem Divertorzustand, wobei sich die Fehlschläge auf hohe Stromdichten konzentrierten.