--- title: "Sztuczna inteligencja steruje plazmą fuzyjną szybciej, niż człowiek zdąży zareagować" description: "Naukowcy z Princeton przetestowali system PACMAN, który wykorzystuje sztuczną inteligencję do sterowania plazmą fuzyjną w czasie rzeczywistym. Podczas eksperymentów system przewidywał niestabilności i koordynował pracę sześciu układów grzewczych tokamaka." publisher: "Najnowsze Informacje" language: "pl-PL" canonical_url: "https://najnowsze-informacje.pl/nauka/sztuczna-inteligencja-steruje-plazma-fuzyjna-szybciej-niz-czlowiek-zdazy-zareagowac" markdown_url: "https://najnowsze-informacje.pl/nauka/sztuczna-inteligencja-steruje-plazma-fuzyjna-szybciej-niz-czlowiek-zdazy-zareagowac/index.md" date_published: "2026-09-06T19:16:20.448Z" date_modified: "2026-09-06T19:20:53.177Z" author: "Redakcja" category: "Nauka" tags: - "fuzja jądrowa" - "sztuczna inteligencja" - "plazma" - "tokamak" - "uczenie maszynowe" source_url: "https://www.sciencedaily.com/releases/2026/09/260903064215.htm" source_name: "ScienceDaily Science" --- # Sztuczna inteligencja steruje plazmą fuzyjną szybciej, niż człowiek zdąży zareagować > System PACMAN przewidział groźną niestabilność plazmy około 200 milisekund przed jej pojawieniem się i pomógł jej uniknąć. ## Kluczowe informacje - PACMAN analizuje pomiary i podejmuje decyzje sterujące w pętli trwającej około 20 milisekund. - W jednym z eksperymentów model przewidział niestabilność typu tearing mode około 200 milisekund przed jej wystąpieniem. - System jednocześnie sterował mocą i położeniem luster wszystkich sześciu gyrotronów tokamaka DIII-D. - Cele eksperymentu i parametry sterowania nadal ustalają ludzie, a sprzętowe ograniczenia bezpieczeństwa mają pierwszeństwo przed rekomendacjami AI. W tokamaku zaburzenia plazmy mogą narastać w ciągu zaledwie kilku tysięcznych sekundy. To zbyt krótko, aby człowiek mógł samodzielnie przeanalizować pomiary i zmienić ustawienia urządzenia. Naukowcy z amerykańskiego Princeton Plasma Physics Laboratory oraz Princeton University przetestowali więc system sztucznej inteligencji, który podejmuje decyzje sterujące w milisekundach. Podczas jednego z pięciu eksperymentów system przewidział groźną niestabilność około 200 milisekund przed jej pojawieniem się i zmienił warunki pracy plazmy tak, aby nie dopuścić do jej rozwoju. ## Dlaczego plazma wymaga tak szybkiego sterowania Fuzja jądrowa jest badana jako potencjalne źródło energii, ponieważ w jej trakcie można uzyskiwać energię z łączenia lekkich jąder atomowych. Na Ziemi naukowcy próbują odtworzyć warunki potrzebne do podtrzymania takiego procesu między innymi w urządzeniach zwanych tokamakami. W ich komorach znajduje się plazma, czyli elektrycznie naładowany gaz, który musi pozostać jednocześnie bardzo gorący, gęsty i stabilny. Utrzymanie tych warunków wymaga ciągłego korygowania pracy ogrzewania, magnesów oraz układów doprowadzających gaz. - Operator może reagować na zmiany zachodzące w plazmie w skali sekund, podczas gdy niektóre niestabilności rozwijają się w milisekundach. - Modele uczenia maszynowego są znacznie szybsze od pełnych symulacji i mogą szacować zachowanie plazmy w czasie potrzebnym do sterowania. - Celem systemu nie jest samodzielne prowadzenie eksperymentu, lecz szybkie wykonywanie decyzji wyznaczonych przez ludzi i ograniczonych przez zasady bezpieczeństwa. ## PACMAN łączy kilka modeli w jednej pętli sterowania Opracowany przez badaczy system nosi nazwę PACMAN, od angielskiego określenia Prediction And Control using MAchiNe learning. Jego zadaniem jest połączenie wielu modeli uczenia maszynowego i kontrolerów we wspólnym środowisku. Wcześniejsze prace nad wykorzystaniem AI do sterowania plazmą często powstawały niezależnie od siebie. Tymczasem tokamak wymaga jednoczesnego obserwowania wielu elementów urządzenia i różnych właściwości plazmy. Wspólna platforma ma pozwalać modelom na wymianę wyników oraz na współpracę bez konieczności przebudowy całego systemu po dodaniu nowego komponentu. PACMAN działa w powtarzalnym cyklu. Najpierw pobiera z tokamaka bieżące pomiary, między innymi temperaturę, gęstość oraz sygnały magnetyczne. Następnie sprawdza dane pod kątem błędów i łączy je w pakiet, z którego poszczególne modele wybierają potrzebne informacje. Modele oceniają aktualny stan plazmy albo przewidują jej dalsze zachowanie. Na tej podstawie kontrolery wyznaczają działania, takie jak zwiększenie mocy wiązki grzewczej. Na końcu system rozstrzyga ewentualne sprzeczności między poleceniami, nakłada twarde limity bezpieczeństwa urządzeń i dopiero wtedy wysyła zatwierdzone komendy do tokamaka. Cała rama zwykle wykonuje taki cykl w około 20 milisekund i powtarza go wielokrotnie. ## Testy na rzeczywistym tokamaku DIII-D Elastyczność PACMAN naukowcy sprawdzili w pięciu eksperymentach na tokamaku DIII-D National Fusion Facility w San Diego, należącym do programu badawczego Departamentu Energii Stanów Zjednoczonych. Jednym z najważniejszych testów była próba dotycząca tak zwanej tearing mode, czyli rodzaju niestabilności, której tradycyjne kontrolery nie potrafią rozpoznać, zanim zacznie się rozwijać. Gdy jest już obecna, można próbować ją tłumić, ale takie działanie może pogorszyć parametry pracy plazmy. W przedstawionym eksperymencie model uczenia maszynowego przewidział tę niestabilność około 200 milisekund wcześniej. Dzięki temu można było zmienić warunki w plazmie, zanim zaburzenie się rozwinęło. - System jednocześnie koordynował pracę wszystkich sześciu gyrotronów w tokamaku DIII-D. - Gyrotrony ogrzewają plazmę za pomocą silnych wiązek mikrofalowych. - PACMAN zmieniał moc gyrotronów i w czasie rzeczywistym przestawiał ich lustra. - Ustawienia były dobierane do wcześniej określonych przez badaczy celów, a system szukał rozwiązania uwzględniającego działanie wszystkich sześciu urządzeń naraz. ## Sztuczna inteligencja przyspiesza eksperymenty, ale nie zastępuje ludzi Badacze podkreślają, że PACMAN nie został zaprojektowany jako system usuwający człowieka z procesu decyzyjnego. Operatorzy i fizycy nadal określają cele eksperymentu oraz parametry sterowania. Niezależnie od rekomendacji modeli system stosuje sprzętowe limity bezpieczeństwa, a po każdej próbie naukowcy analizują wyniki i mogą poprawić kontrolery przed kolejnym testem. Sztuczna inteligencja odpowiada więc za szybkie reagowanie na dane, ale nie ustala samodzielnie, co ma być osiągnięte ani jakie granice są dopuszczalne. Jedną z praktycznych korzyści okazało się także łatwiejsze dodawanie kolejnych modeli. Przygotowanie całej platformy i zainstalowanie pierwszego modelu zajęło miesiące. Włączenie następnego trwało już kilka dni, a testowanie wymagało mniej poprawek. Według autorów skraca to cykl między opracowaniem modelu, jego sprawdzeniem i wykorzystaniem w kolejnej próbie. Nie oznacza to jednak, że system jest gotowy do zastosowania w dowolnym reaktorze fuzyjnym. Wyniki pochodzą z pięciu eksperymentów na konkretnym tokamaku, a możliwość przeniesienia rozwiązania do urządzeń o innych kształtach, rozmiarach i zestawach instrumentów wymaga dalszych testów. ## Wyjaśnienie pojęć ### [plazma](https://najnowsze-informacje.pl/definicje/plazma) Elektrycznie naładowany gaz, nazywany czasem czwartym stanem skupienia materii. ### [niestabilność plazmy](https://najnowsze-informacje.pl/definicje/niestabilnosc-plazmy) Zakłócenie zachowania plazmy, które może szybko narastać i przerwać reakcję fuzyjną. ### [tokamak](https://najnowsze-informacje.pl/definicje/tokamak) Koncepcja urządzenia fuzyjnego, w którym plazma jest ograniczana przez silne pola magnetyczne w układzie o zasadniczo symetrycznej geometrii. Do jej działania wykorzystywany jest także prąd płynący w plazmie. ### [uczenie maszynowe](https://najnowsze-informacje.pl/definicje/uczenie-maszynowe) Zestaw metod obliczeniowych, które pozwalają systemom wykrywać wzorce i zależności w danych bez ręcznego określania wszystkich reguł analizy. ## Źródło pierwotne [ScienceDaily Science](https://www.sciencedaily.com/releases/2026/09/260903064215.htm) --- ## Informacje do cytowania - **Autor:** Redakcja - **Data publikacji:** 2026-09-06T19:16:20.448Z - **Ostatnia aktualizacja:** 2026-09-06T19:20:53.177Z - **Kategoria:** Nauka - **Adres kanoniczny:** [https://najnowsze-informacje.pl/nauka/sztuczna-inteligencja-steruje-plazma-fuzyjna-szybciej-niz-czlowiek-zdazy-zareagowac](https://najnowsze-informacje.pl/nauka/sztuczna-inteligencja-steruje-plazma-fuzyjna-szybciej-niz-czlowiek-zdazy-zareagowac) - **Wersja Markdown:** [https://najnowsze-informacje.pl/nauka/sztuczna-inteligencja-steruje-plazma-fuzyjna-szybciej-niz-czlowiek-zdazy-zareagowac/index.md](https://najnowsze-informacje.pl/nauka/sztuczna-inteligencja-steruje-plazma-fuzyjna-szybciej-niz-czlowiek-zdazy-zareagowac/index.md) **Sugerowane cytowanie:** > Najnowsze Informacje, „Sztuczna inteligencja steruje plazmą fuzyjną szybciej, niż człowiek zdąży zareagować”, 2026-09-06, https://najnowsze-informacje.pl/nauka/sztuczna-inteligencja-steruje-plazma-fuzyjna-szybciej-niz-czlowiek-zdazy-zareagowac