基于神经网络仿真器的等离子体形状控制实时虚拟回路：在 MAST Upgrade 上的实验演示

托卡马克中的传统等离子体形状控制依赖于虚拟回路（VCs），这些虚拟回路通过围绕少量专门选取的参考平衡态进行线性化后离线计算得到，并在放电过程中作为专家预先准备好的调度方案投入使用。在这里，我们报道实时 VCs 的首次实验部署。我们用基于等离子体响应替代模型、可实时更新的 VCs 取代预设的查找表。现有控制架构以及基于 VC 控制的可解释性都得以保留。先前工作表明，神经网络仿真器能够生成准确的 VCs，并在闭环形状控制仿真中验证了其性能。在此，我们报道它们在 MAST Upgrade（MAST-U）上的首次实验验证。覆盖不同场景的专门实验，包括预设形状扰动、由反馈驱动的偏滤器腿运动，以及强烈演化的等离子体构型，表明实时 VCs 能够在 MAST-U 等离子体控制系统内实现等离子体形状控制任务。这些结果确立了实时线性化作为托卡马克中传统等离子体形状控制一种实用扩展的实验可行性。当前实现展示了迈向更简单控制流程的关键一步，在该流程中，手工构建、分阶段的 VC 调度被由训练好的替代模型在线自动生成的 VCs 所取代，且无需针对具体场景重新训练。