共计 1542 个字符，预计需要花费 4 分钟才能阅读完成。
2025 年 10 月 2 日 — 普林斯顿等离子体物理实验室（PPPL）的研究团队开发了一种名为 Diag2Diag 的新型人工智能（AI）技术，能够在传感器故障时填补缺失的数据，甚至提供比实际传感器更详细的细节。这一突破性技术有望提高聚变能源系统的控制精度，同时降低其复杂性和成本。
想象一下，当你正在观看一部最喜欢的电影时，突然声音消失了。如果 AI 能够分析视频的每一帧，根据图像自动生成音频，甚至还原出脚步声和对话，会是什么情景？这正是 Diag2Diag 的核心概念。该技术可以从一组传感器中获取数据，并为另一组传感器生成合成数据，这些数据不仅与现实世界的数据一致，还更加详细。
这项研究由普林斯顿大学的 Azarakhsh Jalalvand 主导，相关论文最近发表在《自然·通讯》上。Jalalvand 表示：“Diag2Diag 不仅可以应用于聚变能源系统，还可以用于航天器和机器人手术等领域，通过增强细节并从故障或退化的传感器中恢复数据，确保关键环境中的可靠性。”
这项研究是普林斯顿大学、美国能源部（DOE）普林斯顿等离子体物理实验室（PPPL）、中央大学、哥伦比亚大学和首尔国立大学科学家们国际合作的成果。所有用于开发 AI 的传感器数据均来自 DIII-D 国家聚变设施的实验，该设施是 DOE 的用户设施。
Jalalvand 指出：“目前的聚变设备都是实验性实验室机器，如果传感器发生故障，最坏的情况是损失一些时间。但如果聚变成为能源来源，它需要全天候不间断地工作。”Diag2Diag 的出现，正是为了解决这一问题。
Diag2Diag 的名字源自“诊断”一词，指的是用于分析等离子体的技术。聚变系统中有许多诊断技术用于测量等离子体的不同特性。例如，汤姆逊散射是一种用于托卡马克环形聚变系统的诊断技术，能够快速测量电子的温度和密度，但速度仍不足以提供等离子体物理学家所需的细节。
PPPL 的研究员 Egemen Kolemen 表示：“Diag2Diag 在某种意义上是在不增加硬件成本的情况下提升诊断能力。”这对于汤姆逊散射尤为重要，因为其他诊断技术无法在等离子体的边缘（基座）进行测量。基座是等离子体中最重要的监测部分，但非常难以测量。通过 Diag2Diag，科学家可以更精确地监测基座，从而提高等离子体性能。
要使聚变能源成为美国电力系统的主要部分，它必须既经济又可靠。PPPL 的研究科学家 SangKyeun Kim 表示，Diag2Diag 使美国更接近这一目标。“未来的商业聚变系统可能需要的诊断技术更少，这将有助于使聚变反应堆更加紧凑，同时降低维护成本。”
研究团队还发现，Diag2Diag 生成的数据支持了一种关于如何停止等离子体中断的主要理论。边缘局部模式（ELMs）是聚变反应堆中的强大能量爆发，可能严重损坏反应堆的内壁。Diag2Diag 提供了关于磁岛如何形成以及如何演变的更多细节，这强烈支持了 ELM 抑制的磁岛理论。
科学家们已经在计划扩大 Diag2Diag 的应用范围。Kolemen 指出，几位研究人员已经表示有兴趣尝试这种 AI。“Diag2Diag 可以应用于其他聚变诊断技术，并广泛适用于其他诊断数据缺失或有限的领域，”他说。
这项研究得到了 DOE 和韩国国家研究基金会的资助，同时也获得了普林斯顿人工智能实验室的支持。
PPPL 位于新泽西州普林斯顿大学 Forrestal 校区，致力于使用等离子体解决世界上最棘手的科学和技术挑战。实验室的研究推动了聚变能源、纳米制造、量子材料和设备以及可持续性科学等领域的创新。该大学为美国能源部科学办公室管理实验室，该办公室是美国物理科学基础研究的最大单一支持者。
了解更多信息，请访问：https://energy.gov/science 和 https://www.pppl.gov/。
