普林斯顿PACMAN框架实现AI对聚变等离子体的毫秒控制

在圣迭戈的一次聚变实验中，一套软件框架接管了一台真实运行中的托卡马克，并以超过任何现场操作员的速度做出决策。这套系统由普林斯顿大学与美国能源部普林斯顿等离子体物理实验室（PPPL）构建，完成一整个控制周期——读取传感器、推断等离子体状态、发出执行指令——大约只需二十毫秒。在这么短的时间里，人类操作员几乎还来不及察觉变化。

该框架名为 PACMAN，全称是"Prediction And Control using MAchiNe learning"（基于机器学习的预测与控制）。论文于2026年发表在《Nuclear Fusion》（第66卷第7期，文章编号076050），作者包括 A. Rothstein、H. J. Farre-Kaga、J. Butt、R. Shousha、K. Erickson、T. Wakatsuki、P. Steiner、S. K. Kim、A. Jalalvand 和 E. Kolemen。它不是为单一任务训练的某个模型，而是一套架构：在反复运行的控制回路中，多个机器学习预测器与传统控制器并肩运行、共享信息，对同一次等离子体放电共同起作用。

为何毫秒如此重要

托卡马克用磁场把比太阳核心更炽热的等离子体约束在真空室内。等离子体极不稳定，一个微小扰动在几毫秒内就可能放大为破坏性不稳定，使放电中断，甚至损伤装置。人类反应以秒计，精细物理模拟更慢，有时要几天或几个月，无法用于实时决策。机器学习模型以简化换取速度，是目前惟一能在有效窗口内描述等离子体并据此行动的工具。

PACMAN 像一条四站流水线：先采集实时测量值（温度、密度、磁信号）；再校验并打包成统一格式；随后各模型估计等离子体正做什么、将做什么；控制器算出指令，如调高某路加热束功率；最后的输出层在控制器冲突时仲裁，并在任何指令送达装置前强制硬件安全限制。每个模块独立，新增模型无需推倒重来。

实验展示了什么

研究团队在美国能源部位于圣迭戈、由 General Atomics 运行的 DIII-D 国家聚变装置上，用 PACMAN 完成了五项控制任务：面向先进非感应等离子体的强化学习控制器、宽台基准稳态 H 模边界爆发预测器、阿尔文本征模控制器、基于模型预测控制的剖面控制器，以及撕裂模的状态机预测—控制器。

最引人注目的是撕裂模案例。撕裂模会撕裂并重组约束磁场的磁力线；传统控制器通常只在它出现后才反应，伴随明显性能损失。共同第一作者、普林斯顿等离子体物理项目研究生 Hiro Farre Kaga 说，在其中一次实验中，一个模型提前约200毫秒预测到撕裂模，"于是可以先改变等离子体状态来规避它"。相对二十毫秒一轮的控制回路，这相当于约十个调整周期的预警，足以把等离子体从危险中引导开。

另一项测试中，PACMAN 同时协调 DIII-D 全部六支回旋管——高功率微波加热源——实时调节输出功率与反射镜指向，以命中事先设定的热目标。团队指出，此前没有任何算法解决过这种协同优化。共同第一作者、普林斯顿机械与航空航天工程系研究生 Andy Rothstein 强调了节奏：人类以秒响应，而整个框架通常约二十毫秒运行一轮，并不断重复。

迭代速度

搭建 PACMAN 并装入第一个模型花了数月，装入第二个只用了几天，错误更少。对一台实验结果常不如预期的科研装置，能在一周内重新训练并部署模型，改变了实验的经济性。

与2024年成果的区别

需把 PACMAN 与该团队更早的成果区分开。2024年，Seo、Kim、Jalalvand、Conlin、Rothstein、Abbate、Erickson、Wai、Shousha 与 Kolemen 在《Nature》（第626卷，746–751页）发表"Avoiding fusion plasma tearing instability with deep reinforcement learning"。该工作训练单一深度强化学习控制器，实时调节磁约束场，在 DIII-D（含 ITER 基准情景）上把等离子体引离撕裂模，是里程碑式的单控制器示范。PACMAN 承袭这一脉络但将其一般化：提供共享"管线"，让众多模型在同一次放电中协同作用，并在 AI 建议与硬件间强制安全限制。

它尚不代表什么

这一示范真实但有限度。它仅覆盖单台科研托卡马克上的五次短脉冲实验，仍须在更大装置、连续长时条件下验证。人类仍掌握目标设定；AI 只处理高频细节，其指令在抵达硬件前须经过硬性安全限制过滤。

分析

把两篇论文连起来看，真正有意义的进展不在于某个模型能预测不稳定——这点此前已被证明——而在于业界现在有了一套可复用的控制底座。能让新模型在数天内替换、而非从零重建的模块化框架，正是把零散的 AI 成功转化为整个聚变界都能依托的基础设施的关键。这套底座能否在 ITER 量级的装置上站住脚，仍是悬而未决的问题，也有待下一轮实验回答。