Einfach erklärt
In Fusionsreaktoren kann sich der heiße Brennstoff plötzlich verändern und den Betrieb stören. Ein neuer Computerchip soll solche Anzeichen schneller erkennen. Bei einem ersten Test konnte er aufgezeichnete Messdaten in Echtzeit verarbeiten. Ob er auch einen laufenden Reaktor sicherer macht, ist aber noch offen.
Warum Fusionsreaktoren schneller vor Störungen gewarnt werden müssen
Die Versuche finden an sogenannten Tokamaks statt. Das sind große Reaktoren mit einer ringförmigen Kammer, die an einen Donut erinnert. Magnetfelder halten darin das Plasma zusammen – den Brennstoff, den Fusionsanlagen nutzen sollen. Doch die magnetische Einschließung macht das Plasma nicht automatisch stabil oder leicht berechenbar: Sein Zustand verändert sich, und es kann rasch von den gewünschten Bedingungen abweichen.
Kommt es zu einer Störung, kann das Plasma plötzlich zusammenbrechen und Energie verlieren. Dabei könnte die Anlage beschädigt werden. Solche Störungen sind deshalb weit mehr als vorübergehende Unregelmäßigkeiten: Sie gehören zu den zentralen Herausforderungen für einen praktischen Betrieb von Tokamaks. Michael Churchill, ein Wissenschaftler am Princeton Plasma Physics Laboratory, der an dem Projekt beteiligt ist, betont, dass der Umgang mit solchen Ereignissen eine grundlegende Voraussetzung für den Betrieb dieser Reaktoren ist.
Um das Plasma im Blick zu behalten, müssen große Mengen an Messdaten gesammelt und ausgewertet werden, während sich der Zustand der Anlage weiter verändert. Genau hier stößt herkömmliche Datenverarbeitung an Grenzen: Die Messwerte können so dicht und schnell eintreffen, dass ihre Analyse hinterherhinkt – selbst wenn ein Computer sie letztlich verarbeiten kann. Der Zeitverlust ist entscheidend. Wird ein Warnsignal erst erkannt, nachdem sich die Ereignisse bereits entwickelt haben, ist das nicht dasselbe, wie es frühzeitig zu bemerken.
Die Daten gleich dort verarbeiten, wo sie entstehen
Der neue Chip nutzt einen Ansatz namens neuromorphes Computing. Dabei ist die Datenverarbeitung so gestaltet, dass viele Rechenschritte gleichzeitig ablaufen können – inspiriert von bestimmten Eigenschaften des Gehirns. Es geht nicht darum, ein künstliches Gehirn zu bauen, das den Menschen in allen Einzelheiten nachahmt. Vielmehr soll eine passende Computerarchitektur große Mengen an Signalen schnell verarbeiten und Muster finden, die auf ein Problem hindeuten könnten.
Der Chip arbeitet mit supraleitenden Schaltkreisen. Diese Technologie kommt auch bei manchen Geräten für Quantencomputer zum Einsatz. Nach der Vorstellung des Teams könnten spezialisierte KI-Algorithmen direkt auf dem Chip laufen. Die Messdaten müssten dann nicht erst an einen entfernten Computer oder ein herkömmliches Rechenzentrum übertragen werden. Die Verarbeitung rückt damit näher an die Messquelle, und die Zeit zwischen dem Eintreffen eines Signals und seiner Analyse soll sinken.
Das ist für diese Aufgabe besonders wichtig: Der Chip soll nicht warten, bis ein Versuch vollständig aufgezeichnet ist, bevor er mit der Auswertung beginnt. Stattdessen soll er die Informationen verarbeiten, während sie eintreffen. Xinghai Yu, Leiter der KI-Abteilung am Brookhaven National Laboratory und Projektleiter, erklärt, dass der integrierte Speicher und die Geschwindigkeit im Gigahertzbereich den Einsatz für sogenanntes Edge Computing ermöglichen. Gemeint ist damit, Informationen direkt an ihrem Entstehungsort oder in dessen Nähe zu verarbeiten, statt dafür auf ein großes Rechenzentrum angewiesen zu sein.
Test mit Daten aus dem Tokamak DIII-D
Der Chip wurde bislang nicht an einen laufenden Tokamak angeschlossen. Während des Tests kam er also nicht mit einem aktiven Plasma in einem Reaktor in Kontakt. Stattdessen verwendete das Team bereits aufgezeichnete Daten aus dem Tokamak DIII-D in San Diego, Kalifornien. Die Forschenden spielten die Messwerte mit derselben Geschwindigkeit wieder ein, mit der sie ursprünglich erfasst worden waren: 1 Million Messungen pro Sekunde.
Bei dieser Wiedergabe konnte der Chip mit dem Datenstrom Schritt halten. Das Team ließ darauf Algorithmen laufen, die ungewöhnliche Zustände erkennen und Störungen vorhersagen sollen. Das wichtige Ergebnis dieses Versuchs: Die Hardware konnte die Daten im Tempo ihrer ursprünglichen Aufzeichnung verarbeiten. Bewiesen wurde damit nicht, dass sie eine tatsächliche Störung verhindert oder den Betrieb eines Reaktors verbessert hat.
Diese Unterscheidung ist wichtig, um einzuordnen, was erreicht wurde – und was noch nicht. Mit dem erneuten Abspielen einer früheren Aufzeichnung lässt sich prüfen, ob der Chip Daten schnell genug aufnehmen und analysieren kann. Es testet aber nicht alle Bedingungen, die beim Anschluss an eine laufende Anlage auftreten können. Dort wird auch entscheidend sein, wie das System mit echten Messwerten umgeht und darauf reagiert. Ebenso beweist die Fähigkeit eines Algorithmus, eine Warnung auszugeben oder eine Störung vorherzusagen, für sich genommen noch nicht, dass die Steuerung der Anlage daraus rechtzeitig eine geeignete Maßnahme ableiten kann.
Churchill bezeichnet die Arbeit als Demonstration im frühen Versuchsstadium. Auch die Ergebnisse des Teams waren noch nicht veröffentlicht; die Forschenden bereiteten sie zu diesem Zeitpunkt noch für eine Veröffentlichung vor. Das Projekt ist daher als erster Test der Möglichkeiten einer Computerplattform zu verstehen – nicht als einsatzbereite Technik für Fusionsreaktoren.
Eine Gefahr zu erkennen ist noch nicht dasselbe, wie sie abzuwenden
Es macht einen Unterschied, ob ein Chip mögliche Anzeichen einer Störung schnell erkennt oder ob er verhindert, dass diese Störung die Anlage beschädigt. Beim Erkennen geht es um Messung, Analyse und Vorhersage. Um eine Störung tatsächlich aufzuhalten, braucht es zusätzlich eine passende Gegenmaßnahme, die rechtzeitig ausgeführt werden kann, um den Zustand des Plasmas zu beeinflussen. Der im Projekt beschriebene Test untersuchte die Verarbeitung wieder eingespielter Daten. Er zeigte noch nicht, dass die gesamte Kette zur Kontrolle einer Störung erfolgreich funktioniert.
Den Angaben des Teams zufolge laufen Tokamaks bereits ohne solche Chips. Die bestehenden Steuerungssysteme können jedoch nicht unbedingt so schnell auf ein Problem reagieren, wie der neue Chip es möglicherweise erkennen könnte. Damit bleibt eine offene Frage: Wird die schnellere Erkennung die Lücke zwischen dem Auftreten einer Gefahr und der Reaktion darauf verkleinern? Oder verbessert sie lediglich die Analyse, ohne das Ergebnis für den Betrieb zu verändern? Eine eindeutige experimentelle Antwort darauf gibt es bislang nicht.
Der Weg von einem Modell, das mit gespeicherten Aufzeichnungen arbeitet, bis zu einem Test am angeschlossenen Reaktor ist ein wichtiger wissenschaftlicher Schritt. Bei einem Einsatz an einer laufenden Anlage muss das Team prüfen, ob der Chip den tatsächlichen Messdatenstrom wie vorgesehen verarbeitet und ob seine Ergebnisse für die Steuerung nützlich sind. Aus dem bisherigen Versuch lässt sich nicht schließen, dass Störungen seltener auftreten oder weniger Schaden anrichten werden. Ebenso wenig ist belegt, dass dieser Chip allein den Betrieb der Fusionsanlage sicherer macht.
Mehr als nur eine mögliche Anwendung in Fusionsreaktoren
Yu sieht mögliche Einsatzgebiete der Technik nicht nur in der Fusionsforschung. Schnelle Berechnungen und ein integrierter Speicher könnten auch dort nützlich sein, wo kein herkömmliches Rechenzentrum in der Nähe oder für die Aufgabe geeignet ist. Das ist mit Edge Computing gemeint: Geräte nahe an der Quelle der Informationen übernehmen einen Teil der Analyse, statt sämtliche Daten an eine zentrale Recheninfrastruktur zu senden und dort auf ihre Auswertung zu warten.
Das bedeutet allerdings nicht, dass der Chip seine Eignung für all diese Anwendungen bereits bewiesen hat. Genannt wurde vielmehr eine Richtung, die der Projektleiter künftig untersuchen möchte. Der Einsatz in der Fusionsforschung ist bislang das Feld, auf dem Algorithmen zur Erkennung ungewöhnlicher Zustände und zur Vorhersage von Störungen mit Daten aus DIII-D getestet wurden. Mögliche künftige Anwendungen sollten nicht mit dem verwechselt werden, was der Versuch tatsächlich gezeigt hat.
Auch das KI-Modell auf dem Chip ist viel kleiner als die großen Sprachmodelle, die heute weithin bekannt sind. Das ist angesichts der unterschiedlichen Aufgaben zu erwarten: Hier soll das Modell bestimmte Signale analysieren, nicht allgemeine Texte verfassen oder offene Fragen beantworten. Allein aus der Größe lässt sich weder auf die Schwächen noch auf die Leistungsfähigkeit des Projekts schließen. Entscheidend ist vielmehr, ob das Modell seine konkrete Aufgabe in der verfügbaren Zeit erledigt – und ob sich sein Nutzen anschließend in einer echten Betriebsumgebung nachweisen lässt.
Der nächste Schritt: ein zehnmal größeres neuronales Netz
Das Team plant eine weitere Chipgeneration mit einem neuronalen Netz, das zehnmal so groß ist wie das aktuelle Modell. Nach dem damals vorgestellten Plan sollte der neue Chip Anfang des folgenden Jahres in Brookhaven präsentiert und zu einem späteren Zeitpunkt in DIII-D eingebaut werden. Ein genaueres Kalenderdatum wurde nicht genannt. Die Zeitangaben beziehen sich somit auf den vom Team angekündigten Plan und sind keine Garantie dafür, wann die Arbeiten abgeschlossen sein werden.
Falls diese Schritte umgesetzt werden, wäre der Einbau der neuen Generation eine andere Art von Test als das erneute Abspielen gespeicherter Daten. Die Technik könnte dann nicht mehr nur zeigen, dass sie mit einer früheren Aufzeichnung Schritt hält, sondern müsste einen Datenstrom aus einem realen Reaktor verarbeiten, ohne dass die Messwerte zuvor auf einem Datenträger gespeichert worden sind. Selbst ein solcher Test würde aber noch nicht belegen, dass der Chip den Tokamak schützt. Dafür müsste weiterhin gemessen werden, wie zuverlässig und nützlich seine Warnungen sind und wie sie sich mit dem Steuerungssystem verbinden lassen.
Ein größeres neuronales Netz könnte hilfreich sein, wenn es dadurch komplexere Muster analysieren kann. Das ist bislang jedoch eine Möglichkeit und kein nachgewiesenes Ergebnis. Auch das größere Modell muss erst geprüft werden; ein umfangreicheres Netz garantiert weder eine schnellere Reaktion noch bessere Vorhersagen. Künftige Versuche müssen zeigen, ob supraleitende Hardware zusammen mit spezialisierten Algorithmen einen greifbaren Vorteil bietet, der über die erfolgreiche Verarbeitung gespeicherter Messdaten hinausgeht.
Fazit
Der Chip von Brookhaven und Great Sky soll ein grundlegendes Problem von Tokamaks angehen: Veränderungen im Plasma schnell genug zu erkennen, bevor sich eine Störung verschärft. Bei einem Test mit aufgezeichneten Daten aus DIII-D konnte er einen Datenstrom von 1 Million Messungen pro Sekunde verarbeiten und Algorithmen zur Erkennung ungewöhnlicher Zustände sowie zur Vorhersage möglicher Störungen ausführen. An einem aktiven Plasma wurde er jedoch noch nicht getestet, und es ist nicht belegt, dass er Störungen verhindert oder Fusionsreaktoren sicherer macht. Die nächste Generation mit einem zehnmal größeren neuronalen Netz könnte die Technik näher an einen Praxistest bringen. Ob die schnelle Analyse tatsächlich zu einer wirksamen Steuerung beiträgt, müssen weitere Versuche zeigen.