FUSION AI-NATIVE RESEARCH ATLAS · 2026

智能原生不是增加一个聊天框，
而是重构聚变的认知与协作闭环。

以物理与实验事实为锚，以快速代理和多模态状态表征提升实时性，以智能体编排数据、仿真与优化；任何影响装置的动作都必须经过确定性安全边界、权限控制和可审计批准。

检索研究图谱下载 Word 报告

71: 项核验工作
9: 个知识域
43: 项使用装置数据或更高证据
24: 项有官方对应代码

FUSION · TWIN · AGENT LOOPSHADOW MODE / HUMAN AUTHORITY

PHYSICAL DEVICE

聚变装置

等离子体 · 磁体 · 热工

诊断数据

DIGITAL TWIN

Δt

状态与预测

物理模型 · 工程约束 · UQ

可信上下文

AI AGENTS

AMDC

智能体协同

检索 · 仿真 · 规划 · 解释

建议权限门 / 安全包络 / 人工批准验证指令

聚变：能量与物理状态AI：表征、推理与编排控制：确定性安全边界

00 / OPERATING PRINCIPLE

数字孪生提供“世界模型、实时状态与证据”，人工智能提供“表征、搜索、优化与编排”。二者融合的目标不是取代物理，而是在已知边界内更快形成可验证、可解释、可回退的决策。

01 / CAPABILITY STACK

从机器学习到智能体：能力逐层增加，治理必须同步前置。

四类技术不是互相替代。基础模型提供通用表征，专用模型承担确定性任务，智能体负责编排；数字孪生提供状态、仿真环境、配置与证据边界。

01MACHINE LEARNING

机器学习

把放电、仿真和设备数据转化为可校准的分类、回归、异常检测、优化与寿命模型。

适合任务: 破裂预警、状态估计、参数辨识、设备健康、实验聚类、工程代理
进入孪生前的门: 按时间、炮次、实验批次和装置隔离测试；报告概率校准、误报、漏报与失效案例。

02DEEP LEARNING

深度学习

学习多通道时序、图像、剖面、几何与执行量之间的非线性表征，并形成低时延模型。

适合任务: 多模态诊断、神经状态空间、快速代理、强化学习控制、神经算子
进入孪生前的门: 验证传感器缺失、分布漂移、最坏时延、对抗扰动及 sim-to-real 鲁棒性。

03FOUNDATION MODELS

基础模型

在跨诊断、跨任务和潜在跨装置数据上预训练统一状态表征，再用少量数据适配下游任务。

适合任务: 缺失诊断重建、少样本迁移、多模态状态表征、跨任务接口
进入孪生前的门: 规模不等于可信度；必须公开数据谱系、适用域、探针任务、消融和独立装置验证。

04AI AGENTS

智能体

调用检索、数据、仿真、优化和报告工具，编排可审计的研究与运行辅助工作流。

适合任务: 实验检索、场景搜索、仿真编排、数据分析、运行副驾驶、维护协同
进入孪生前的门: 不绕过安全控制器；写操作经过权限门、计划预检、人工批准、执行回执与完整审计。

02 / SEARCHABLE RESEARCH LANDSCAPE

按九个知识域检索“问题—装置—论文—代码—证据”。

条目优先采用原始论文、装置/机构官方页面和作者仓库。没有公开对应实现的工作明确标记“未公开”；使能工具和社区复现不会冒充论文原代码。

WORD完整技术报告 JSON可维护研究数据 CSV论文与代码索引

检索工作、装置、机构、问题或代码

九个知识域

代码关联验证证据

显示 71 / 71 项已核验工作

同一项目只显示一次；领域数量与筛选同时计入主域和关联域。

0101 / 物理模拟

E2 · 装置离线数据

主域物理模拟部署未标注

2024 · MIT PSFC、General Atomics、UC San Diego 等

PORTALS：以高斯过程代理优化高保真核心输运通量匹配

DIII-D：ITER Similar Shape 放电的五通道预测也用于/面向 Alcator C-Mod、ASDEX Upgrade、JET、SPARC、ITER 场景研究

解决问题: 直接以 CGYRO/NEO 等高保真模型进行多通道稳态通量匹配需要大量昂贵调用，常规迭代难以承受。
技术路径: 在局部梯度—通量空间构建高斯过程代理，并以贝叶斯优化选择下一组高保真计算点；同时求解电子/离子温度、密度、杂质与旋转等耦合剖面。
验证证据: 论文在 DIII-D 案例中以显著少于朴素迭代的高保真调用完成五通道匹配，并保持收敛点的全物理求解精度；属于稳态预测与实验解释，不是在线动态孪生。

查看论文、代码、数据与局限

面向 JOREK 与 MAST 观测的 Fourier Neural Operator 等离子体代理

JOREK：非线性 MHD 合成数据MAST：中央螺线管与偏滤器视场的高速相机数据；未在 MAST-U 在线控制中部署

解决问题: 高保真 MHD 时空演化计算和高速相机观测预测成本高，限制了不确定性扫描、实验前预测和近实时状态推演。
技术路径: 采用多变量 Fourier Neural Operator 学习从初始场/历史帧到二维时空场的算子映射，同时研究模拟数据与 MAST 高速相机图像上的多步预测和超分辨率。
验证证据: 论文报告相对数值求解器约 6 个数量级的推理加速，归一化均方误差可达约 10^-5，并展示 MAST 图像的零样本空间超分辨率；长期滚动和稀有瞬态仍会损失细节。

查看论文、代码、数据与局限

NSTX-U Eqnet/Pertnet 快速平衡与等离子体响应模型

NSTX-U：历史实验、EFIT01 与 Gspert 数据

解决问题: 自由边界 Grad–Shafranov 平衡与非刚性响应计算过慢，限制脉冲规划、闭环仿真和控制器批量测试。
技术路径: Eqnet 学习 EFIT01 平衡重建，Pertnet 学习 Gspert 小扰动响应；同时提供前向状态预测和由磁诊断重建平衡的模式。
验证证据: 论文展示对 NSTX-U 平衡/响应的高精度离线复现；在容器涡流显著时，重建模式相对当时的 RTEFIT 标签/输入处理表现出优势。其目标是闭环模拟和控制设计，论文未宣称已替代装置在线权威平衡。

查看论文、代码、数据与局限

QLKNN：QuaLiKiz 湍流输运神经网络代理

JET：3 个 H 模放电的时间依赖剖面模拟ITER/反应堆参数区：仅为外推应用目标，非实验验证

解决问题: QuaLiKiz 等准线性湍流输运模型在集成输运模拟、场景优化和控制设计中仍过于昂贵，难以进行大量参数扫描或实时预测。
技术路径: 以约 3 亿个 QuaLiKiz 输入—通量样本训练前馈神经网络，并通过分区/阈值处理保留临界梯度附近的零通量与刚性输运行为；可嵌入 JINTRAC、RAPTOR 等输运框架。
验证证据: 论文报告相对 QuaLiKiz 加速约 3–5 个数量级，使原本小时级的动态输运计算降至数十秒；在 3 个 JET 放电中，稳态末端剖面差异约 1%–15%，动态量差异约 4%–10%。这些结果验证的是对 QuaLiKiz 的仿真代理能力，不等同于对真实湍流的独立验证。

查看论文、代码、数据与局限

JOREK/STORM 边缘等离子体神经算子：可行性与数据效率

通用/合成：JOREK 与 STORM 简化二维 blob、SOL 和 MHD 配置未针对某一台装置做实验闭环验证

解决问题: 边缘/SOL 与 MHD 代码的完整时间推进代价高，而传统逐步代理在长时滚动中容易漂移。
技术路径: 基于 PDEArena 的 FNO/神经 PDE 训练流程，比较单变量与多变量预测、数据效率以及低保真到高保真微调，覆盖 JOREK 与 STORM 的二维演化。
验证证据: 论文显示 FNO 能捕获 blob 运动和密度源定位等早期演化；长时自回归会累积误差并出现与特定物理现象相关的非单调误差尖峰。低保真到高保真迁移在小数据、短滚动场景可将误差降低约一个数量级，但在长滚动、大数据或动力学差异较大时收益减弱，向未见变量迁移失败。

查看论文、代码、数据与局限

TGLF-WINN：波数信息约束的数据高效 TGLF 湍流输运代理

通用/TGLF 合成参数域；论文未报告具体装置上的在线验证

解决问题: TGLF 在全脉冲输运和多次通量匹配中的调用成本过高，直接限制高维场景优化。
技术路径: 通过物理启发的特征工程压缩目标动态范围，在损失中加入按波数分辨的通量正则，并用贝叶斯主动学习挑选 TGLF 样本，以较少昂贵标签训练湍流通量代理。
验证证据: 预印本 v3 报告特征调优与波数正则相对 TGLF-NN 的全数据 RMSLE 降低约 12.5%；加入贝叶斯主动学习后，用 25% 数据即可达到距 TGLF-NN 全数据基线约 2.8% 的离线精度，嵌入通量匹配后相对 TGLF 约 45 倍加速且重建精度相近。

查看论文、代码、数据与局限

TORAX：JAX 可微分托卡马克核心输运模拟器

ITER-like 与 SPARC 设计场景；与 RAPTOR 做数值验证SPARC 尚未运行，因此不存在 SPARC 实验验证

解决问题: 脉冲设计、参数反演和控制优化需要既快速又可微、且能插拔物理模型和学习代理的核心输运求解器。
技术路径: 以 JAX 实现有限体积时间推进，耦合电子/离子热、粒子和电流扩散；通过 JIT、自动微分与模块化接口接入经验模型或 ML 输运代理。
验证证据: 论文报告与 RAPTOR 基准场景的一致性及 JAX 加速/可微能力；DeepMind 官方材料称 CFS 已将其用于日常 SPARC 虚拟实验与大规模参数研究，但这属于设计工作流应用。

查看论文、代码、数据与局限

MMMnet：多模异常输运模块神经网络代理

DIII-D：基于装置场景的 MMM/COTSIM 训练与验证

解决问题: Multi-Mode Model 的异常扩散系数计算在控制导向输运仿真中仍过慢。
技术路径: 用降维与神经网络近似 MMM，对离子/电子热扩散及环向动量扩散等输出进行快速回归，并嵌入控制导向模拟环境。
验证证据: 论文展示对 MMM 输出的良好离线拟合，并将单次计算降到适合快速输运模拟的量级；没有报告在 DIII-D 上由该模型直接闭环控制。

查看论文、代码、数据与局限

CFETR COOL 包层第一壁热—结构代理与 NSGA-II 优化

CFETR COOL blanket 第一壁概念设计

解决问题: CFETR 超临界 CO₂ 冷却铅锂（COOL）包层第一壁同时承受高热流和结构约束，直接在大设计空间反复求解热—结构模型代价高。
技术路径: 结合热平衡、经验关联式和一维/二维混合导热模型构造参数化代理，并用 NSGA-II 搜索温度、压降与结构约束之间的 Pareto 解。
验证证据: 论文针对 CFETR COOL 第一壁开展代理与多目标优化，属于概念设计模型验证；未发现与第一壁原型热流试验或传感器数据的闭环验证。

查看论文、代码、数据与局限

Hammerhead：面向聚变冷却管路的开源 ML–CFD 热工水力优化环境

聚变反应堆冷却管路代表性二维/轴对称内流算例尚未在具体托卡马克水冷系统或实物回路上验证

解决问题: 托卡马克冷却系统的形状参数化需要大量共轭传热 CFD，热性能和压降之间又存在多目标权衡，直接优化成本过高。
技术路径: Python 自动驱动 OpenFOAM 生成高保真数据库，使用 POD 降维以及 RBF、神经网络或高斯过程代理，执行管内粗糙度/流动参数搜索与多模型比较。
验证证据: 论文展示 600 个 OpenFOAM 算例、训练/验证误差比较与高保真回算；单次高保真约 2–6 小时，代理推理远低于 1 秒。验证基于数值模型而非试验传感器。

查看论文、代码、数据与局限

EU-DEMO 中心螺线管预设计的 MADE 数据与神经网络代理

EU-DEMO 中心螺线管模块（论文直接应用）EU-DEMO TF/PF 线圈（作者提出的扩展对象，尚非本文验证）

解决问题: EU-DEMO 超导磁体预定尺寸需要反复扫描满足电磁—机械约束的庞大设计空间，传统 MADE 扫描难以支持快速正向、逆向和跨学科迭代。
技术路径: 以 MAgnet Design Explorer Algorithm（MADE）生成的可行设计点云训练人工神经网络，可从输入预测磁体布局/性能，也可反求达到目标输出的输入组合。
验证证据: 论文在 EU-DEMO 中心螺线管预设计数据集上展示代理用于筛选最优可行配置；证据属于聚变概念设计数据验证，并非制造磁体或运行装置实测验证。

查看论文、代码、数据与局限

中子体积加热驱动真空室温度场的物理信息神经网络代理

参数化聚变真空室壁算例面向未来聚变电厂包层/真空室，未声明运行托卡马克实测验证

解决问题: 聚变真空室与包层设计需要把中子学体积热源传递到热分析，但大规模设计空间下耦合求解成本高。
技术路径: 以物理信息神经网络直接求解/近似中子加热条件下真空室壁温度场，将热方程约束纳入训练损失。
验证证据: 论文报告温度场 L2 相对误差 0.0093；验证为数值参考解对比，不能等同于中子辐照部件实验验证。

查看论文、代码、数据与局限

核/聚变遥操作机器人的 ML 代理 FMU 组件库方法

核工业/聚变遥操作测试台的转动关节与执行器代表部件面向未来聚变反应堆远程维护机器人；未在 ITER 在役维护任务验证

解决问题: 聚变远程维护机器人结构部件的 FEA 计算太慢且工具异构，难以嵌入系统级设计、预测控制与状态监测。
技术路径: 用 FEA 生成数据，训练多类机器学习代理，再封装为参数化 Functional Mock-up Units（FMU），在 Simulink 等平台进行跨工具组合。
验证证据: 论文比较 FMU 对关节/执行器模型的时序输出并验证系统级调用，属于核工业相邻测试台与仿真证据；尚无真实聚变堆辐照环境和任务数据。

查看论文、代码、数据与局限

液态金属聚变包层 MHD 流动的稀疏网格、PCE 与高斯过程代理

液态金属增殖包层的典型矩形导管算例未绑定特定在役托卡马克；面向未来 DCLL/WCLL 类包层迁移

解决问题: 强磁场下液态金属包层的 MHD 流动高保真计算昂贵，限制参数扫描、不确定性量化与设计优化。
技术路径: 以矩形导管解析 MHD 解生成训练样本，对比稀疏网格插值、稀疏多项式展开与高斯过程三类代理；扫描 Hartmann 数和壁面电导比。
验证证据: 固定方形域中，200–600 个训练样本对解析参考解的相对误差低于 0.1%；验证对象仍是简化导管而非全尺寸包层或实验回路。

查看论文、代码、数据与局限

CHIMERA 聚变部件多物理虚拟试验与数字孪生

UKAEA CHIMERA Combined Heating and Magnetic Research ApparatusCHIMERA commissioning sample under test（CSUT）/第一壁板条样件ITER TBM 尺度部件的半积分测试场景

解决问题: 聚变包层/第一壁部件无法在单一设施中完整复现热、磁、流体和机械载荷，且高保真全系统模型无法实时运行。
技术路径: 从流体、热、电磁和结构 FEA 训练快速降阶/代理模型，在 Ansys Twin Builder 中耦合；规划以 CHIMERA 的热电偶、应变计、载荷与电流等仪表更新模型。
验证证据: 论文报告代理与高阶模型的性能核对和虚拟诊断；CHIMERA 当时仍在建设，真正的设备在线同步与寿命预测尚属后续目标。

查看论文、代码、数据与局限

聚变堆氚增殖比 Monte Carlo 模型的快速回归代理

UKAEA 聚变反应堆参数化包层/径向构建模型面向 D-T 聚变电厂概念设计，未绑定运行装置

解决问题: 氚增殖比（TBR）对包层材料与几何高度敏感，而 Monte Carlo 中子学评估太慢，难以嵌入系统级优化和自适应采样。
技术路径: 比较 9 类回归代理与降维方法，并提出 Quality-Adaptive Surrogate Sampling；最快的人工神经网络近似 UKAEA 的 Monte Carlo TBR 模型。
验证证据: 最优 ANN 报告 R²=0.985、平均推理时间 0.898 微秒，相对原 Monte Carlo 模型约 8×10^6 加速；自适应采样只在玩具 TBR 理论上作初步测试。

查看论文、代码、数据与局限

HL-3 高保真数据驱动动力学模型与强化学习磁控制

HL-3：历史放电训练与真实装置控制实验

解决问题: 低层磁控制需要长时域、毫秒级且足够准确的交互环境，纯第一性原理模拟过慢，普通 LSTM 又在长滚动中漂移。
技术路径: 以 EFITNN 压缩平衡状态，用 scheduled sampling、自注意力和集合 LSTM 学习动力学，再以 PPO 输出 17 路线圈电压并接入 HL-3 PCS。
验证证据: 论文报告 400 ms 轨迹预测、1 kHz/17 线圈控制；相对标准 LSTM 多项 MAE 至少降低 58.8%，PPO 在 RTX 4090 上约 22 分钟完成 25 万次训练，并在 PCS/装置实验中验证包括未见三角度目标的控制。

查看论文、代码、数据与局限

PACMAN：DIII-D 集成 AI 实时控制架构

DIII-D：非感应电流 RL、宽 pedestal/QH-mode ELM 预测、Alfvén 本征模控制、剖面 MPC、撕裂预测控制等

解决问题: 多个 AI 预测器、控制器和诊断预处理链各自为政，缺少可在同一 PCS 中组合、监视和快速实验的运行架构。
技术路径: 构建模块化 PACMAN 实时运行时，将状态估计、学习模型、控制逻辑、执行器接口和健康检查组合，支持多类 AI 控制实验。
验证证据: 预印本汇总多个已在 DIII-D 放电中运行的 AI 控制用例，证明框架具备实验集成能力；其长期可用性、故障隔离和独立复现仍未被公开基准覆盖。

查看论文、代码、数据与局限

DIII-D 概率机器学习与贝叶斯优化安全 ramp-down

DIII-D：2022 年 ramp-down 实验

解决问题: 安全降电流轨迹存在高维且实验代价昂贵的设计空间，需要在有限放电数中学习更安全的操作。
技术路径: 用概率代理表达轨迹参数到风险/性能的映射，以贝叶斯优化和获取函数在放电之间选择下一次实验，实现有约束的主动实验设计。
验证证据: Nuclear Fusion 论文报告自动设计的实验能在比典型轨迹更低的电流与储能下保持控制，并在实验轮次中持续改进；它是 shot-to-shot 优化，不是毫秒级在线反馈。

查看论文、代码、数据与局限

DIII-D 深度强化学习主动规避撕裂模

DIII-D：低 q、低转矩和 ITER baseline-like 场景

解决问题: 高性能场景中的撕裂不稳定性一旦形成便难以补救，需要在保持约束和 H 模性能的同时提前规避。
技术路径: 将实时动力学状态重建、数据驱动的撕裂概率预测与深度强化学习策略串联，调节加热、转矩和形状/电流相关执行量，走在不稳定边界之前。
验证证据: 装置实验中策略将撕裂风险维持在设定阈值以下，能跟踪时变稳定路径并保持 H 模；这是针对特定不稳定性和运行域的闭环证据，不是一般破裂免疫。

查看论文、代码、数据与局限

DIII-D/KSTAR 机器学习辅助自适应 RMP 无 ELM 控制

DIII-DKSTAR

解决问题: 谐振磁扰动可抑制 ELM，但固定线圈设置常以约束性能为代价，需要随等离子体状态自适应优化。
技术路径: 以机器学习辅助探索/优化三维场配置，并在实验中实时调整 RMP，实现边界爆发抑制与高性能约束间的折中。
验证证据: Nature Communications 报告两台装置均实现无有害边界能量爆发且保持反应堆相关的高约束性能，并以多机结果支持方法的物理可迁移性；并不意味着控制器可直接跨机复用。

查看论文、代码、数据与局限

DIII-D 数据驱动剖面预测与有限动作集 MPC 实时基础设施

DIII-D：压力与电子温度剖面控制；实验 checkout 包括放电 187076

解决问题: 离线训练的高维剖面动力学模型难以可靠地接入装置 PCS，并在硬实时约束下转化为可审计控制动作。
技术路径: 用约 3500 个 DIII-D 放电、约 15 万样本训练 200 ms 预测的神经网络，再以有限候选 NBI 功率动作进行 MPC，同时通过 Keras2C 部署到实时 PCS。
验证证据: 论文记录模型进入 DIII-D PCS 并实施压力/温度双目标实时控制；实验也暴露 MSE/rtEFIT 等诊断中断会破坏控制输入，成为需要健康管理与回退的直接证据。

查看论文、代码、数据与局限

TCV DeepMind 深度强化学习磁控制

TCV：伸长、负三角度、snowflake、双液滴等多种目标形状未验证于 DIII-D、JET 或反应堆磁体系统

解决问题: 传统磁控制需要针对不同等离子体形状逐项建模和调参，难以用统一控制器处理多线圈、多目标和新形状。
技术路径: 在校准的 TCV 模拟器中以非对称 actor–critic 和域随机化训练策略，直接以 19 个线圈电压为动作，并以 10 kHz 在装置上零样本迁移。
验证证据: Nature 论文报告全控制窗内等离子体电流 RMSE 约 0.62 kA（0.47%）、形状 RMSE 约 0.75 cm（2.9%），并维持约 200 ms 双液滴；策略以 10 kHz 实时运行。论文明确不保证避开破裂。

查看论文、代码、数据与局限

TCV predict-first 神经状态空间模型与鲁棒 ramp-down 轨迹学习

TCV：311 个脉冲的数据集，其中仅少量为目标高性能状态

解决问题: 高性能等离子体降电流阶段容易触碰约束和失稳边界，而昂贵实验只允许少量试错。
技术路径: 从历史放电学习神经状态空间模型，用模型集合表达动力学不确定性，再以强化学习搜索对模型误差鲁棒的降电流轨迹，先预测后实验。
验证证据: 论文报告预测优先实验在统计指标上优于基线，并实现相对基线约 20% 的初始等离子体电流提升后仍完成 ramp-down；属于有限范围的实验外推。

查看论文、代码、数据与局限

WEST 红外壁监视 AI：从热事件识别到加热系统闭环指令

WEST tokamak C9 campaignWEST tungsten divertor and in-vessel componentsWEST heating antennaeWEST Wall Monitoring System / PCS

解决问题: 长脉冲 WEST 的红外视频量巨大，偏滤器/第一壁热点、电弧和反射难以由操作员实时区分，延迟可能造成 PFC 或天线损伤。
技术路径: 在 Wall Monitoring System 配置 NVIDIA A40 GPU，将热事件检测/跟踪、钨偏滤器 strike-line characterization 和紧凑 CNN 电弧检测组合为模块化实时流水线，并与 Plasma Control System/加热天线接口。
验证证据: 论文报告热事件/打击线算法以 30 fps、电弧 CNN 超过 100 fps 运行，在 WEST C9 大量红外视频上首次测试；并直接报告 AI 图像分析通过 PCS 向加热天线发送指令，是装置闭环实验级证据。

查看论文、代码、数据与局限

IntelliMIK：EAST 超导磁体神经网络感应电压补偿与失超检测

EAST superconducting TF/CS/PF magnet quench-detection system中国下一代聚变装置 HTS CS magnets（会议提出的迁移目标）

解决问题: CS/PF 电流、等离子体和真空室涡流耦合产生 kV 级感应电压，传统 CWW+MIK 补偿后峰值噪声仍可能越过 500 mV/1 s 失超阈值并误判，HTS 的更低阈值使问题加剧。
技术路径: 用历史 EAST 信号训练神经网络替代二级 Inductive Noise Realtime Calculation，保留 co-wound wire 一级补偿，实时估计并消除非线性感应电压，提取电阻性 quench voltage。
验证证据: 论文报告 IntelliMIK 已在 EAST 最近 2000 炮（141001–143000）中在线运行，并显著降低感应电压补偿后的噪声；但 EAST 尚未发生真实磁体失超，阳性检出仅通过向历史信号人工注入模拟失超电压进行验证。因此 E3 只表示在线感应电压补偿已部署，不代表真实失超 true-positive 或自动安全卸能已验证。

查看论文、代码、数据与局限

RTCAKENN：DIII-D 实时动力学剖面重建

DIII-D：实时 Plasma Control System

解决问题: 高质量 CAKE 动力学重建依赖离线多诊断分析且延迟高，实时控制需要快速、能容忍部分诊断缺失的剖面。
技术路径: 用 MLP/一维 CNN 的编码—解码结构学习七类 CAKE 剖面，并在训练时模拟输入 dropout，使其在不直接使用实时 Thomson/CER 输入时仍能估计动力学状态。
验证证据: Nuclear Fusion 论文报告模型已接入 DIII-D PCS，推理低于 8 ms；相对既有实时替代方案更接近 CAKE 输出，并测试了部分输入丢失。

查看论文、代码、数据与局限

DIII-D 等离子体控制系统中的实时磁传感器自编码器异常检测

DIII-D tokamakDIII-D magnetic flux loops and magnetic probesDIII-D Plasma Control System

解决问题: 磁通环和磁探针故障会污染平衡重建与等离子体位置/形状控制，必须在控制周期内识别异常传感器。
技术路径: 训练 autoencoder 学习磁诊断信号正常相关结构，以重构残差检测/定位异常，并将推理实现到 DIII-D Plasma Control System。
验证证据: 论文标题、摘要和 DOE/OSTI 记录直接说明系统在 DIII-D PCS 上实时实现；证据支持在线监视部署，但未证明算法自动重构控制输入或闭环容错动作。

查看论文、代码、数据与局限

FusionMAE：HL-3 多诊断自监督预训练基础模型

HL-3：2022–2025 年 2445 个放电，1950 个开发、495 个测试SUNIST-2：补充跨装置/小装置验证

解决问题: 聚变诊断多、采样异构、缺测普遍，针对每一任务单独训练模型造成接口碎片化，缺少可复用的等离子体状态表征。
技术路径: 以 Transformer masked autoencoder 在 88 路、12 类诊断的同步时间片上进行随机通道/系统掩码重建，形成 256 维潜在状态，再适配破裂预测、EFIT-NN、信号修复和等离子体演化等下游任务。
验证证据: Communications Physics 报告无掩码平均 Pearson 相关约 98.7%，逐通道掩码约 97.2%，逐诊断系统掩码约 95.3%；14M 参数模型在 A100 上约 10 小时训练、约 4.8 ms 推理，并展示多项下游任务。所有证据主要为装置历史数据离线评估。

查看论文、代码、数据与局限

Diag2Diag：DIII-D 多模态超分辨率合成 Thomson 诊断

DIII-D：2017–2022 年多诊断数据；包括 ELM、RMP 和磁岛相关实验

解决问题: Thomson scattering 空间信息丰富但采样慢，而 ECE、干涉仪、磁诊断等快速信号空间/物理信息不完整；需要生成高频合成剖面以研究 ELM、RMP 和磁岛动力学。
技术路径: 先以 CNN 学习 ECE 到干涉仪谱图，再以 MLP 将 ECE、干涉仪、磁诊断、CER、MSE 等 236 个输入映射为 80 个 Thomson 输出；训练集覆盖约 4000 个 DIII-D 放电和 340 万时间点。
验证证据: Nature Communications 报告谱图 L1 误差约 1.2×10^-3、自动编码器事件检测 F1 约 0.82，并用实际低频 Thomson、burst-mode 数据、前向物理关系和已知 ELM/RMP/磁岛行为交叉验证。论文明确指出没有 MHz Thomson 真值，合成诊断不能被理解为与真实诊断逐点完全等价。

查看论文、代码、数据与局限

EFIT-Prime：DIII-D 物理约束深度集合平衡重建与不确定度

DIII-D：训练集中排除负三角度，再以负三角度放电测试外推

解决问题: 纯数据驱动平衡网络可能违反 Grad–Shafranov 约束且在新形状上不可靠，传统 EFIT 又难以满足更高频的重建需求。
技术路径: 以神经架构搜索得到深度集合，在监督损失中加入 Grad–Shafranov 电流/平滑与诊断位置约束，并用集合分散表达认知不确定度。
验证证据: 论文报告模型可重建未参与训练的负三角度形状；深度集合一次推理约 15 ms，并展示误差与集合不确定度的关系，作者表述为经优化后具备实时潜力，而非已在 PCS 取代 EFIT。

查看论文、代码、数据与局限

EAST 84 路磁诊断到二维磁通的深度平衡重建

EAST：MDSplus 历史放电，独立 4555 个平衡切片及 3 个未见完整放电测试

解决问题: EAST 的 EFIT 平衡重建难以在高频控制周期内输出完整二维磁通，且网络结构/超参数的手工选择影响泛化。
技术路径: 以 84 路磁诊断为输入、129×129（16641）个磁通网格值为输出，采用自动超参数搜索构建深度回归网络，并以 EFIT 重建作为监督标签。
验证证据: 论文报告 4555 个测试平衡中大多数相关系数超过 0.998；3 个未见完整放电的相对磁通误差通常小于 2%，X 点和 ramp 阶段差异更明显。结果证明离线快速重建，不等同于已在 EAST PCS 在线使用。

查看论文、代码、数据与局限

GS-DeepNet：KSTAR 无监督物理约束平衡重建

KSTAR：31 个可用磁探针的 BR/BZ 分量、45 个磁通环及总等离子体电流；41×41 极向网格

解决问题: 传统自由边界平衡重建需要迭代和人工选择磁测量，而监督网络又继承 EFIT 标签，难以同时获得实时性、物理一致性和不确定度。
技术路径: Maxwell Net 从磁探针/磁通环和空间坐标生成磁通，Force-Balance Net 学习压力与极向电流自由函数；两者由 Grad–Shafranov 方程、Biot–Savart 响应和实测边界联合自监督，并用 MC dropout 估计不确定度。
验证证据: Scientific Reports 论文在 KSTAR 数据上训练、验证和测试；磁边界量与网络输出的 R² 接近 1，代表性压力剖面与 Thomson scattering 在误差范围内相符，并以 MSE 磁倾角等内部诊断作独立比较。论文报告 RTX A4000 上重建 41×41 磁通小于 1 ms；没有公开证据表明其已成为在线权威平衡。

查看论文、代码、数据与局限

Hybrid Deep Learner：C-Mod/DIII-D/EAST 跨机破裂预测

Alcator C-ModDIII-DEAST

解决问题: 新装置破裂样本稀少，单机监督模型往往无法迁移到不同诊断配置和运行分布。
技术路径: 组合时间卷积、循环单元和多尺度特征，配合标签平滑/迁移策略，在三台装置间共享破裂表示。
验证证据: 论文报告 AUC 分别约为 C-Mod 0.801、DIII-D 0.947、EAST 0.973；仅用 20 个 EAST 破裂样本并结合其他装置数据时仍达到约 0.959 AUC，8 核 CPU 推理约 1 ms。

查看论文、代码、数据与局限

JT-60U 高 β 破裂似然的稀疏可解释识别

JT-60U：历史高 β 放电

解决问题: 需要从大量相关参数中提炼少数可解释变量，识别高 β 放电接近破裂边界的程度。
技术路径: 穷举/稀疏特征选择结合线性支持向量机，选出归一化 β、伸长率、离子温度及 q=2 附近磁剪切等关键参数，并构造幂律形式似然边界。
验证证据: 论文对 JT-60U 历史数据库进行回顾性训练/测试，得到可由少数物理参数解释的破裂似然；未报告 JT-60SA 或在线控制部署。

查看论文、代码、数据与局限

ASDEX Upgrade 软 X 射线 Gaussian Process Tomography 模型选择

ASDEX Upgrade：软 X 射线诊断

解决问题: Gaussian process tomography 的核/先验模型选择若逐帧计算 Bayesian evidence，成本高且妨碍快速 SXR 层析。
技术路径: 训练卷积网络从 SXR 投影判断最高证据的 GPT 模型，再执行对应重建，并用前向投影残差检查与测量的一致性。
验证证据: 论文将神经网络分类与解析 Bayesian evidence 选择对比，并通过将重建前向投影回测量空间评估模型；它加速的是候选先验选择，不是从物理上证明发射率真值。

查看论文、代码、数据与局限

JET 辐射层析与变分自编码器破裂前兆分析

JET：两个实验 campaign 的 baseline 放电

解决问题: 仅用一维 bolometer 信号难以定位破裂前的辐射形态异常，需要把高速层析与无监督异常检测结合。
技术路径: 先以矩阵/学习代理快速生成二维 bolometer 层析，再用变分自编码器学习正常基线分布，以重建误差和潜变量偏移标记前兆。
验证证据: 论文在回顾性案例中识别出接近破裂时的辐射结构异常，并对比正常放电演化；尚未证明固定阈值可在实时系统中稳定满足误报/漏报要求。

查看论文、代码、数据与局限

FRNN：DIII-D/JET 跨装置深度学习破裂预警

DIII-DJET

解决问题: 破裂前兆跨越多时间尺度和多诊断信号，手工阈值难以在保持提前量的同时兼顾漏报与误报。
技术路径: 以分布式训练的循环/序列神经网络直接处理多变量时间序列，并研究 DIII-D 与 JET 之间的迁移和跨装置泛化。
验证证据: Nature 论文显示多数正确报警能提供数百毫秒提前量，并展示 DIII-D/JET 的双向迁移优于只依赖目标机少量数据；这优于约 30 ms 量级缓解触发需求，但仍存在误报和漏报。

查看论文、代码、数据与局限

JET 深度学习 bolometer 辐射层析重建

JET：overview bolometer 系统

解决问题: bolometer 视线积分反演成二维辐射率分布需要迭代正则化，传统算法难以满足大规模回放和实时诊断。
技术路径: 以既有迭代层析结果为监督标签，训练上采样卷积网络将视线测量直接映射为约 196×115 的二维辐射图。
验证证据: 论文显示网络能以远快于迭代算法的速度复现其辐射图，并在像素/结构指标上取得高一致性；监督标签是算法重建而非独立真值。

查看论文、代码、数据与局限

脉冲托卡马克 PCS–熔盐储热的动态 Modelica 与多智能体优化

UKAEA 支持的 prototype pulsed fusion tokamak power-conversion concept未绑定已发电装置

解决问题: 脉冲托卡马克 dwell 期间热源骤降会冲击透平与电网；储热虽能平滑输出却显著增加体积和成本，需要动态而非仅稳态的设计优化。
技术路径: 用 Modelica 构建三热源、蒸汽 Rankine 循环和间接显热熔盐储热的动态模型，开发一相/两相换热器集总模型；以 Fresa.jl 黑箱植物繁殖算法和多智能体 fitness-ranking 协作求解单/双目标设计问题。
验证证据: 论文展示动态模型足够稳健和快速以嵌入优化；官方案例页报告熔盐罐体积可缩减最多 40.5%，同时保持相对稳定的透平入口条件。全部为模型计算。

查看论文、代码、数据与局限

CFETR 双热源 sCO₂ Brayton 能量链的遗传算法与多准则优化

CFETR power conversion system 概念CFETR blanket 与 divertor 双热源

解决问题: CFETR 脉冲运行且包层、偏滤器出口温度不同，需在热效率、火用效率、设备复杂度和单位产品成本之间寻找可行的热—电转换方案。
技术路径: 为包层与偏滤器双热源构造新型超临界 CO₂ Brayton 循环，设置高温熔盐与低温混凝土储热回路；用遗传算法和多准则优化同时搜索循环热效率、系统火用效率和总产品单位成本。
验证证据: 论文基于 CFETR 第一冷却回路参数完成热力、火用、火用经济和敏感性计算，并给出优化运行方案；全部为概念电厂模型，未有 CFETR 发电回路实验。

查看论文、代码、数据与局限

高场恒星器 Brayton–Rankine 联合循环的遗传算法优化

Renaissance Fusion 高场液态金属壁 stellarator power-plant 概念

解决问题: 连续运行、液态金属壁高温聚变电厂需要把多个温位的热量高效转化为电力，同时控制换热器、压缩机与汽轮机的系统复杂度。
技术路径: 建立以超临界 CO₂ Brayton 顶循环和水蒸气 Rankine 底循环组成的联合循环热力模型，用遗传算法搜索主要压力、温度和换热参数。
验证证据: 论文对特定恒星器概念报告约 51% PCS 效率和约 34% 整厂净效率；这是模型优化结果，不能泛化为已建成装置性能。

查看论文、代码、数据与局限

EAST 2 kW/4 K 氦低温站实时故障诊断专家系统

EAST 2 kW/4 K helium refrigeratorEAST helium distribution systemEAST cryogenic DCS

解决问题: EAST 低温站设备和过程变量多，DCS 可报警却难以实时定位根因并向操作员给出处置建议，故障会破坏超导磁体冷却并中断实验。
技术路径: 把运行专家经验整理为 176 张 empirical knowledge tables，以含不确定性的 fault-tree analysis 构建知识库和推理机；用 Qt Creator/C++、MySQL 与低温 DCS 实时过程变量集成，提供监视、诊断和建议界面。
验证证据: 论文说明已开发实时诊断系统并完成初步测试，结果满意；直接证据是实际 EAST 低温系统/DCS 的实时软件原型，不是机器学习统计模型，也未报告自动执行控制动作。

查看论文、代码、数据与局限

EAST-NBI 离子源击穿预测与参数匹配的 SOM/BP 神经网络

EAST neutral beam injector ion source未来 CFETR-NNBI（作者提出迁移目标，未验证）

解决问题: EAST 中性束离子源参数失配会导致引出过程击穿，损伤离子源并限制长脉冲高功率运行；传统 snubber 只能减轻电源损伤，不能预防事件。
技术路径: 结合多轮实验数据、先验等离子体模型信息和 OPTICS 特征提取，以 self-organizing map 与 back-propagation 网络估计可实现的束引出脉宽，并学习击穿前数毫秒的诊断信号畸变。
验证证据: PPCF 论文与 IAEA 技术会议材料使用 EAST-NBI 历史实验数据并报告部分击穿被成功预报；作者同时明确成功率并不理想，因此只能认定为离线装置数据验证。

查看论文、代码、数据与局限

ITER Tokamak Systems Monitor 的统一机器学习异常检测模块

ITER 电子回旋加热 gyrotron 工程脉冲ITER 磁体电源工程模型/信号未来 ITER commissioning 与 operation

解决问题: ITER 工程系统将产生数千通道信号，漂移和组合异常可能不越过传统阈值，人工跨系统监视难以扩展。
技术路径: 在 TSM Plant Operation Zone 中以统一 Python 接口托管可独立演进的算法，覆盖整脉冲 intershot 分类和时间局部在线监视；示例包括 gyrotron 脉冲的降维/聚类，以及 magnet power supplies 的 conditional invertible neural network。
验证证据: 论文给出已实现模块、两种算法和与 ITER CODAC/TSM 执行框架的接口，但明确强调 ITER 尚处预运行状态、ground truth 有限；磁体电源示例包含模型生成数据，尚未证明运行 ITER 上的在线告警效果。

查看论文、代码、数据与局限

Tokamak Energy FPP 的 TMAP8 组件代理—系统燃料循环多尺度氚核算

Tokamak Energy preliminary Fusion Pilot Plant designdivertorcentre-column first wallblanket first wallvacuum vesseltritium fuel-cycle systems

解决问题: 氚在偏滤器、第一壁和真空室中的扩散、陷获、回收跨越材料微观到整厂燃料循环时间尺度，高保真逐组件计算无法直接支持大量设计权衡、库存与安全评估。
技术路径: 在开源 MOOSE/TMAP8 中训练/嵌入组件级 surrogate models，再耦合 system-level fuel-cycle model，快速计算正常运行和 bake-out 下的回收动力学、库存、滞留与损失。
验证证据: 论文是 DOE milestone 下明确 FPP 概念的多尺度仿真，展示组件代理进入整厂燃料循环；TMAP8 官方拥有解析/历史 TMAP 与实验相关 V&V 套件，但该 FPP 代理研究本身没有运行氚电厂数据。

查看论文、代码、数据与局限

NSTX/WEST ICRF 加热的 TORIC–ML 微秒级代理

NSTX shot 138506 equilibrium / expected flat-top parameter rangeWEST shot 56898 equilibrium / expected flat-top parameter rangeNSTX-U 与 WEST ICRF 场景迁移候选

解决问题: ICRF 全波谱求解器 TORIC 每例需约 1–5 分钟，无法进入在线场景预测、加热优化或快速 integrated modeling。
技术路径: 以 NSTX high-harmonic fast-wave 和 WEST hydrogen-minority heating 的 TORIC 参数数据库训练 random forest regressors 与 multilayer perceptrons，预测各粒子种类径向功率沉积分布，并分析/过滤求解器数值 outliers。
验证证据: 12240 个 NSTX 和 10000 个 WEST TORIC 仿真用于训练/测试；推理约 2–50 微秒，相对 TORIC 加速约六个数量级。NSTX 电子/氘 R²=0.97/0.94，WEST 电子/氢 R²=0.81/0.70。标签仍来自 TORIC，未在真实闭环加热上验证。

查看论文、代码、数据与局限

MDSplus：聚变实验采集、归档与远程访问基础设施

Alcator C-ModRFX-modDIII-DEASTKSTARNSTX-U超过 30 个磁约束聚变站点

解决问题: 聚变装置产生大量异构、分层且随放电变化的数据，需要在同一自描述结构中保存实验配置、波形、分析结果与仿真数据，并允许跨站点访问。
技术路径: 以 shot/tree/node 为核心的自描述层次树、TDI 表达式、设备模型和客户端/服务器协议统一采集、归档与分析；MDSplus 8 扩展长节点名以适配 IMAS 语义命名。
验证证据: 官方项目称 MDSplus 已部署在四大洲 30 多个站点，是磁聚变中最广泛使用的数据管理系统。；2018 年综述记录其从 C-Mod、ZTH、RFX 建设期开始的长期装置应用。

查看论文、代码、数据与局限

DisruptionPy：跨装置扰动分析与 ML-ready 数据集构建框架

Alcator C-ModDIII-DEASTHBT-EPMAST

解决问题: 扰动预测研究中的信号定义、物理特征提取、时间插值和数据格式长期按装置/课题组重复实现，导致跨机比较与复现困难。
技术路径: 用设备配置、数据源抽象和可复用物理方法统一从 MDSplus 或 Xarray/S3 获取数据，计算经审查的物理特征，对齐时间基并输出 Parquet、HDF5 等 ML-ready 数据集。
验证证据: JOSS 论文和官方仓库列出五台装置的数据抽取能力；MAST 是无需额外授权的开放数据源。

查看论文、代码、数据与局限

TokaMark：MAST 多模态聚变基础模型基准

MAST

解决问题: 聚变 AI 缺少公开、结构化、多模态且统一划分与指标的基准，模型之间难以公平比较，也容易产生 shot 泄漏。
技术路径: 在 FAIR-MAST 数据上统一时序、二维剖面、视频、执行器、缺失信号处理、任务定义、训练/验证/测试划分和评估工具。
验证证据: 论文定义 MAST 多模态任务和统一评估协议，并作为 TokaMind 的正式验证基准。；IBM 官方发布页确认 TokaMark 与 TokaMind 已开放。

查看论文、代码、数据与局限

TokaMind：聚变等离子体多模态基础模型

MAST

解决问题: 不同采样率、模态和缺失模式的托卡马克诊断难以在同一模型中预训练并迁移到预测、重建和分类任务。
技术路径: 以多模态 token 化、DCT3D 编码、Transformer backbone 和输出适配器预训练 MAST 诊断、剖面、视频与执行器数据，支持冻结/轻量微调。
验证证据: 论文报告在 TokaMark 上除一项任务外均优于基线，且若干任务轻量微调优于同预算从头训练。；IBM 与 Hugging Face 官方发布模型、代码和 checkpoint。

查看论文、代码、数据与局限

DOE Fusion Data Platform：端到端融合数据、元数据与可复现工作流平台

当前重点为 DIII-D目标为美国及国际多装置实验与仿真数据

解决问题: 单一档案读取工具不足以覆盖数据发现、处理、版本、溯源、策展、发布与 AI/ML 工作流复现。
技术路径: 把 Common Metadata Framework、TokSearch、MetaHub、版本与工作流执行能力组织为分布式端到端平台，面向 FAIR 数据对象和可复现研究。
验证证据: 官方平台文档列出 CMF、TokSearch、MetaHub，并明确当前主要高效访问 DIII-D 数据。；PPPL 2025 年官方报告将其定位为 data-driven fusion science 基础。

查看论文、代码、数据与局限

MAST Open Data Service：面向跨机机器学习的开放数据服务演进

MASTMAST-U（目标/部分管线）JET（目标/部分管线）

解决问题: 机器学习需要比单次信号读取更高吞吐的开放服务，并需要让 MAST、MAST-U、JET 数据逐步进入统一可检索、可复用管线。
技术路径: 沿用 FAIR-MAST 的对象存储和元数据 API，系统评估并行 worker 下的加载时间与吞吐，提出多装置数据组织、抽象 API 和开放服务路线。
验证证据: IEEE 论文明确将服务定位为 MAST、MAST-U、JET 的 AI/ML 数据基础，并报告并行性能评估。

查看论文、代码、数据与局限

FAIR-MAST：面向开放 AI/ML 的 MAST 数据管理系统

MAST M05-M09 campaigns规划扩展至 MAST-U规划扩展至 JET

解决问题: 传统 MAST 档案对外部数据科学团队不易检索和批量访问，难以直接支撑可复现 AI/ML。
技术路径: 以关系型元数据索引、JSON API、S3 对象存储和 Zarr 诊断数组提供可搜索、可并行、云优化的数据访问，并采用 FAIR 原则和开放许可。
验证证据: 论文报告相对遗留系统约 10 倍的数据访问速度提升。；UKAEA 官方将其列为活跃服务，并说明其被用于 UKAEA/IBM 聚变基础模型协作。

查看论文、代码、数据与局限

OMAS/ODS：面向 Python 的 IMAS 自适应数据层

DIII-DNSTX-UITERCFETRSTEP/OMFIT 支持的其他托卡马克

解决问题: 直接使用 IMAS 数据结构时，各代码可能填充不同字段、网格和派生量，仍会产生隐性点对点转换；Python 工作流需要轻量、可插值、可校验的内存对象。
技术路径: Ordered Multidimensional Array Structures 以分层 ODS（OMAS Data Storage）对象复现 IMAS 语义，提供一致性检查、坐标插值、派生量计算以及 IMAS、HDF5、NetCDF、JSON、MongoDB 等读写。
验证证据: OMAS 被 STEP 用作所有模块间的集中数据状态，并可随时转换为 IMAS。；耦合 core-pedestal 工作流使用 OMAS/IMAS 在 DIII-D 放电上验证。

查看论文、代码、数据与局限

TokSearch：跨大量放电的并行查询与机器学习数据抽取

DIII-D可通过 MDSplus/Parquet 适配其他装置

解决问题: 逐 shot 串行从 MDSplus/PTDATA 读取大量信号无法支撑数万至数十万放电的统计研究和机器学习数据集构建。
技术路径: 借鉴 SQL 的 Python/Matlab 查询 API，把信号读取、派生计算、过滤和持久化分布到单机多核、集群或 Spark/HDFS，尽量利用数据局部性和总 I/O 带宽。
验证证据: 论文以 DIII-D 扰动 halo current 数据库研究验证大规模并行抽取。；2024 年 IAEA 报告确认 TokSearch 已按 Apache-2.0 开源。

查看论文、代码、数据与局限

IMAS：ITER 装置无关的数据字典、访问层与集成建模语义

ITERJETMAST/MAST-UWESTASDEX UpgradeTCVKSTARDIII-DEUROfusion DEMO 工作流

解决问题: 实验数据和模拟代码若采用点对点接口，会形成 N² 集成成本；ITER 需要统一描述平衡、剖面、控制、诊断、MHD、工程与溯源的数据标准。
技术路径: 以版本化 IMAS Data Dictionary 定义 Interface Data Structures，配套 Access Layer、Python/C++/Fortran/Java/MATLAB 接口、后端、验证器、映射和可视化工具。
验证证据: ITER 官方 2025 年宣布 IMAS 基础设施和多项物理模型开放源码。；EUROfusion 的多机数据映射已用于代码集成、数据核验与模型验证。

查看论文、代码、数据与局限

UDA：面向异构聚变数据的统一远程访问层

MASTMAST-UJETWESTASDEX UpgradeTCVITER/IMAS 工作流

解决问题: 分析代码不应依赖每种装置数据的文件位置、格式、位宽和访问协议；IMAS 还需要一种可映射本地档案并支持远程分段读取的后端。
技术路径: 插件驱动的 C/C++ 客户端—服务器或 fat-client 架构，把 NetCDF、MDSplus、文件和装置服务映射为统一数据对象；通过 UDA/IMAS 插件按 IDS 路径提供数据。
验证证据: UKAEA 官方文档给出 client-server、fat-client、SSL 和插件体系。；UKAEA 说明 UDA 是 MAST-U 全体内部和外部科学用户的主要数据访问系统，典型约 30 个并发连接。

查看论文、代码、数据与局限

WEST LLM4PPO：红外第一壁监测的多模态决策支持

WEST C10 campaign（2024-10 至 2024-12）

解决问题: 长脉冲 WEST 的红外视频和温度曲线需要 Plasma-facing component Protection Officer 快速识别热斑并在炮间给出判断，人工负荷高且一致性有限。
技术路径: 在本地部署 LLaVA-NeXT 13B，多模态输入红外图与温度曲线，通过 prompt engineering、LoRA 和专家反馈把 PPO 经验注入模型，并以自然语言提供 post-pulse 决策支持。
验证证据: 论文称工具在 WEST C10 控制室部署，反馈中 32% 为 OK、41% 为 positive response；所有处理在本地服务器完成。

查看论文、代码、数据与局限

Fusion Operational Copilot：基于实验日志的托卡马克 RAG 助手

DIII-DAlcator C-Mod

解决问题: 实验 session leader 必须在有限的 between-shot 时间内检索历史日志、理解装置状态并制定下一炮计划；关键词检索无法利用操作日志语义。
技术路径: 用 DIII-D 与 Alcator C-Mod 操作日志构建向量检索和 RAG 原型，支持语义搜索、装置特定操作问答和一般托卡马克问答，并通过研究人员调查评估。
验证证据: 论文报告原型已部署给研究人员使用；前两类任务优于基础模型/关键词搜索，但一般问题并未清晰优于 GPT-4。

查看论文、代码、数据与局限

PlasmaX：灵枢 PCS 的可视化与 RAG 智能开发环境

EAST面向 BEST面向 CFETR

解决问题: PCS 算法开发涉及复杂 XML 配置、多文件一致性、C++ 模板和装置专用知识，阻碍控制算法快速集成和验证。
技术路径: 以 VS Code extension 实现 XML 模型与交互式 webview 双向同步、模板代码生成和本地 RAG+LLM 问答；官方报告称平均自动生成约 79.4%/近 80% 的算法代码。
验证证据: 2026 年论文描述 PlasmaX 的可视化、代码生成和 RAG 问答模块。；IAEA 2026 官方会议报告称 PlasmaX 为 EAST 灵枢辅助平台，可生成近 80% 算法代码并提供 AI agent 指导。

查看论文、代码、数据与局限

MADA：惯性聚变靶设计的多智能体设计助手

NIF 相关惯性约束聚变设计环境LLNL El Capitan/Tuolumne HPC非托卡马克

解决问题: 高能量密度与惯性聚变靶丸的几何设计、输入卡生成、高保真模拟调度和反设计高度依赖少数专家，并需要在 HPC 上运行大量多物理计算。
技术路径: 用自然语言和手绘概念触发专用 LLM agents，生成 MARBL 计算输入、提交 HPC 作业、分析结果并迭代几何；论文演示了在高保真代码中搜索到模拟点火设计。
验证证据: LLNL 官方报道开源 LLM 经内部 MARBL 文档微调，能从手绘图和自然语言生成 simulation deck 并运行数千次模拟。；预印本展示多智能体与高阶多物理代码耦合的模拟点火反设计。

查看论文、代码、数据与局限

实验聚变基础模型与自动视觉日志：概念路线

概念上适用于 DIII-D、NSTX-U、ITER 等实验装置论文未报告特定装置生产部署

解决问题: 融合实验的视觉诊断、事件链和操作日志尚未被统一的预训练模型利用，炮间分析与场景规划仍高度依赖人工。
技术路径: 观点论文提出以视频/图像基础模型、少样本微调和自动视觉日志，将诊断事件关联到放电时间线，并探索生成式场景规划。
验证证据: 论文明确声明 foundation models 尚未在聚变实验生产环境采用，示意自动 logbook 是未来用例。

查看论文、代码、数据与局限

STEP/OMFIT：稳定性—输运—平衡—台基自洽集成模拟

DIII-DNSTX/NSTX-UITERARCEU-DEMOCFETR

解决问题: 单独的 equilibrium、transport、pedestal 和 MHD stability 代码会产生不一致状态，难以对执行器目标和反应堆场景做可追溯迭代。
技术路径: 在 OMFIT 中把每个 physics code 封装为读取/写回 OMAS/IMAS 状态的 step，保留每步历史与 provenance，支持开环、反馈和优化；STEP-0D 从全局量生成理论自洽场景。
验证证据: STEP 论文说明耦合稳定性、输运、平衡、台基、加热/电流驱动和加料，并使用集中 IMAS 状态。；STEP-0D 以 ITPA 数据库验证，报告能量约束时间平均相对误差低于 19%，并预测 ARC、EU-DEMO、CFETR。

查看论文、代码、数据与局限

MPEX AI Digital Twins：实验—模拟—代理—智能体闭环原型

Proto-MPEX（历史验证基础）MPEX（建设/投运准备）JUDITH electron-beam facility data

解决问题: MPEX 需要在装置投运早期快速达到目标等离子体条件、评估钨材料损伤并把多物理模拟、HPC、实验数据和材料搜索连接起来。
技术路径: 规划 Helicon AI Hot-Spot Controller、e-beam/MPEX damage-assessment twin 和材料评估模型；Galaxy 接口连接物理代码与 DOE HPC，未来允许科学家或 AI agents 执行、验证和分析。
验证证据: ORNL 官方 2026 研究亮点明确提出自动控制、损伤评估、AI-guided experiment/simulation 和 Genesis agent 平台。；六个月里程碑报告说明 Galaxy 已连接部分主物理代码与 DOE HPC，但与 MPEX DAQ 的连接仍用将来时描述。

查看论文、代码、数据与局限

FUSE.jl：融合先导电厂多保真集成设计与优化

Fusion Pilot Plant 概念ITER-like 与 DIII-D/反应堆场景可配置轴对称托卡马克设计

解决问题: 传统 0D systems code 难以把等离子体、工程、控制和经济模型在统一可微/可优化工作流中自洽连接，也难以快速替换不同保真度模型。
技术路径: Julia 模块化 actor 架构，以 IMAS 风格数据结构连接一阶、降阶、机器学习和高保真模型，支持稳态/时变场景、参数扫描、并行多目标优化和 UQ。
验证证据: 框架论文明确包括物理、工程、控制、成本和多保真/机器学习模型的自洽设计优化。

查看论文、代码、数据与局限

Bluemira：面向聚变电厂的参数化多保真设计框架

UK STEP Prototype PowerplantEUROfusion EU-DEMO通用 tokamak/stellarator concepts

解决问题: 聚变概念设计中 CAD、平衡、线圈、磁静力、结构、燃料、功率平衡和中子学几何往往由不同团队手工迭代，更新一个设计点需要数月。
技术路径: 以 Python Designer/Builder/ParameterFrame 把参数化几何、优化和多领域分析组合成可自动执行的设计 workflow，支持从快速模块到外部高保真代码以及 CAD/DAGMC 输出。
验证证据: UKAEA 官方称典型概念设计可由数月缩短到分钟，并列出 STEP 与 EU-DEMO 用例。；STEP PF 线圈论文展示在 Bluemira 中加入超导临界电流和 keep-in-zone 约束的嵌套优化。

查看论文、代码、数据与局限

Power Balance Models：托卡马克全厂动态净电功率模型

UK STEP Prototype Powerplant通用 D-T tokamak reactor designs

解决问题: 聚变电厂净输出取决于磁体、低温、加热与电流驱动、真空、燃料循环等厂用负荷和热—电转换的动态耦合，0D 静态指标无法反映脉冲和启动过程。
技术路径: 用 OpenModelica 建立主要电厂子系统的方程模型，以 Python CLI/API 配置 plasma scenario、结构参数、参数扫描和插件，并计算随时间变化的发电与用电。
验证证据: 论文描述覆盖主要 tokamak 子系统的时变功率消耗与发电，并明确公开 GitHub 代码。；UKAEA 报告称该模型在 STEP 早期设计中得到广泛使用。

查看论文、代码、数据与局限

FAROES：基于 OpenMDAO 的可导聚变 systems code

DEMO2-like steady-state reactor概念 tokamak reactors

解决问题: 需要在反应堆几何、等离子体性能、热负荷和成本之间做梯度优化，并分析如正/负三角度等设计选择的系统级经济影响。
技术路径: 把 Menard 等 0D tokamak spreadsheet 模型迁入 Python/OpenMDAO，以显式组件、耦合变量和成本模型构造可优化的稳态 DEMO-like 反应堆。
验证证据: Nuclear Fusion 论文使用 FAROES 比较负三角度和正三角度 DEMO-like 设计的 LCOE 与热负荷。；作者报告明确说明该模型为 0D、基于 OpenMDAO，并指出完整说明稿当时仍在准备。

查看论文、代码、数据与局限

OpenMDAO：聚变多学科分析与优化的通用使能框架

FAROES reactor models通用聚变设计工作流本身非装置专用

解决问题: 跨学科系统模型包含强耦合、隐式方程和高维设计变量，若无统一计算图、导数和求解器接口，优化成本过高。
技术路径: Python 组件/组计算图、非线性与线性求解器、解析/自动/复步导数、总导数和稀疏并行优化；聚变项目可把物理、磁体、热工和成本组件嵌入。
验证证据: 官方论文给出 Newton 型耦合求解和利用问题结构的高效总导数体系。；FAROES 论文/报告明确使用 OpenMDAO 构建 0D tokamak 优化模型。

查看论文、代码、数据与局限

PROCESS：聚变电厂 systems code 与约束优化

EUROfusion DEMOUK STEP Prototype Powerplant通用 tokamak power-plant concepts部分 stellarator systems studies

解决问题: 需要在大量相互依赖的物理、磁体、热工、能量转换、建筑、可用率和经济约束下求得自洽电厂设计点。
技术路径: 以 0D/1D 简化模型和非线性约束求解器同时计算整个电厂，允许选择约束和优化目标，如电价、净电功率或 Q；保留 tracking 和测试基线。
验证证据: UKAEA 官方说明 PROCESS 被 EUROfusion DEMO 和 UK STEP 使用，范围覆盖热转换和建筑。；STEP 概念设计论文以 PROCESS 生成初始设计点，再与 JETTO、FIESTA、Bluemira 等增加保真度。

查看论文、代码、数据与局限

智能原生不是独立第十座孤岛，而是贯穿其余九域的共同能力层。

每一域都需要自己的数据、物理约束、验证指标和责任边界；同一种算法在不同知识域的可信度要求并不相同。

01PHYSICS8 项

物理模拟

重点: 输运、湍流、平衡、边界与材料相互作用的代理、可微模拟和参数反演。
前沿: QLKNN、TORAX 类可微环境已能把慢模型接入优化与控制设计。
缺口: 父模型偏差、训练域外推、跨尺度耦合和守恒约束仍限制反应堆级预测。

02ENGINEERING8 项

工程仿真

重点: 电磁—结构—热流体—中子—材料计算的降阶、代理、逆设计和健康预测。
前沿: 概念设计与多参数扫描受益最明显，部分工作已形成可复用优化环境。
缺口: 公开聚变工程数据极少，制造公差、老化和实验传感器闭环验证不足。

03INTEGRATED CONTROL8 项

集成控制

重点: 形状、剖面、加热、稳定性和执行器分配的学习控制、预测控制与策略搜索。
前沿: TCV、DIII-D、KSTAR 等已出现真实装置闭环实验，是证据最强的 AI 方向。
缺口: 多目标耦合、共享执行器、最坏时延、OOD 识别和安全包络尚未电厂化。

04DIAGNOSTICS & SENSING15 项

诊断感知

重点: 破裂与不稳定性预测、虚拟诊断、缺失信号重建、断层重建和异常识别。
前沿: 多装置预测、FusionMAE/TokaMind 等多模态预训练正在改变诊断接口。
缺口: 真实故障标签、跨装置标定、误报警代价和辐照环境下的长期漂移验证不足。

05ENERGY CONVERSION3 项

能量转化

重点: 包层取热、一次/二次回路、功率循环、储能与电网耦合的快速优化和预测。
前沿: 多采用核电或通用能源系统方法，聚变专属工作集中在概念设计与系统代码。
缺口: 缺乏聚变热源瞬态、氚约束与并网工况共同驱动的运行数据和闭环实证。

06AUXILIARY SYSTEMS5 项

辅机模拟

重点: 加热与电流驱动、低温、真空、燃料、氚、冷却水、电源和遥操作系统。
前沿: RF/NBI 代理、设备异常检测和机器人感知是较现实的近期切入点。
缺口: 子系统数据孤岛、商业设备接口、故障样本稀缺和跨系统失效传播尚未打通。

07DATA FOUNDATION11 项

数据基座

重点: 时序对齐、配置、单位、本体、数据质量、访问、版本、基准和证据谱系。
前沿: MDSplus、UDA、IMAS/OMAS、MAST 开放数据与新基准构成 AI 的公共底座。
缺口: 跨装置语义仍不一致；开放数据、诊断元数据和可复现训练切分远远不足。

08HUMAN–MACHINE5 项

人机交互

重点: 自然语言检索、解释、实验规划、数值数据问答、协同决策与操作副驾驶。
前沿: 聚变领域 LLM、RAG 和数值数据智能体已出现，但多停留在研究或演示阶段。
缺口: 引用可核验性、权限边界、操作程序约束、专家责任和人因验证尚未体系化。

09WHOLE-PLANT8 项

总体集成

重点: 把物理、工程、控制、诊断、辅机与经济目标编排为可追溯的多保真决策闭环。
前沿: FUSE、PROCESS/FAROES、可微模拟与搜索智能体正在形成设计空间探索骨架。
缺口: 尚缺统一状态、在线校准、全厂故障传播、安全论证和连续运行证据。

04 / DEVICE ADOPTION

装置证据决定采用顺序：实验闭环与“计划适配”不能混为一谈。

装置代表工作最高证据阅读边界

TCV磁位形强化学习控制、轨迹预测与优化E4 · 多次装置闭环实验控制策略仍依赖高质量仿真器和明确约束

DIII-D破裂/撕裂模预测、避免控制、PACMAN 集成控制E4 · 装置闭环与实时系统向燃烧等离子体与长期运行迁移仍待验证

KSTAR撕裂模避免、ELM/不稳定性跨装置预测E4 / E2跨工况稳定性与可解释边界仍是重点

HL-3 / SUNIST-2FusionMAE、多任务诊断、缺失信号恢复E2–E3 · 实验数据与系统部署基础模型仍偏装置特定，公开权重/数据有限

MAST / MAST-U开放数据、TokaMark/TokaMind、事件预测E2 · 大规模离线数据基准开放度提升中，尚未形成闭环控制证据

JET / EAST / C-Mod跨装置破裂预测、输运代理、数据管线E2–E4 · 依具体工作而异域偏移和信号定义差异会显著影响迁移

SPARCTORAX 场景搜索、热负荷控制与 AI pilot 研发E1 · 仿真与官方研发计划装置尚待运行，不能把计划等同于实验验证

ITER / DEMO目标适配、数字工程与安全关键场景研究E0–E1 · 设计/仿真为主缺少同尺度运行数据，必须以可证外推和独立保护为前提

05 / REFERENCE ARCHITECTURE

双速、分权、可回退

在线环只部署已冻结、可计时、可回退的模型；离线智能体负责检索、仿真、训练、比较和报告。模型必须通过数据、物理、实时、鲁棒性与权限证据门，才能从离线工厂进入影子或有限闭环。

ONLINE · ms–s诊断 → 状态估计 → 快速预测 → 确定性安全控制器最坏时延 · 独立保护 · OOD 检测 · 降级模式

EVIDENCE GATE数据谱系 · 物理守恒 · VVUQ · HIL · 权限 · 签名发布批准 / 拒绝 / 回退 / 再验证

OFFLINE · min–week高保真模拟 → 训练评测 → 智能体编排 → 专家评审跨装置验证 · 对抗测试 · 失效注入 · 模型卡

06 / TRUST GAPS

距离数字孪生的主要差距在可信运行，而不是模型参数量。

分布外失效

新壁状态、新加热组合、异常诊断或新装置会使训练分布失效；必须实时检测 OOD 并定义降级行为。

不确定度失真

点预测准确不代表风险可信；需校准置信区间，并把不确定度传播到控制与工程决策。

智能体越权

生成式模型不得直接越过确定性安全层；工具白名单、最小权限、双人批准和回执不可省略。

持续学习风险

在线更新可能破坏已验证行为；生产模型应冻结发布，候选模型先在影子模式重新过门。

证据不可追溯

训练数据、代码、权重、配置、提示词、工具调用和结果必须关联到同一版本与时间轴。

07 / FUSIONDIGITAL ROADMAP

从 DINA / MEQ 与窄任务切入，逐步获得受控自治。

先建立可复现评测和代理服务，再把 AI 放入影子模式，最后只在狭窄、经验证的适用域开放闭环权限；“会生成方案”与“有权执行方案”必须是两个独立里程碑。

数据与证据

建立炮次级数据质量、标签、本体、装置配置、模型卡和可重复评测。

辅助模型

从诊断重建、异常检测和单物理快速代理切入，不直接影响实时控制。

预测孪生

把代理与 DINA / MEQ、输运和工程约束组合，形成带 UQ 的影子预测。

操作副驾驶

提供实验检索、场景比较、仿真编排和可引用解释，保留人工决策。

受控智能体

在白名单与权限门内自动执行离线流程；所有写操作可审计、可回退。

有限自治

仅在经独立 V&V 的狭窄适用域闭环；安全保护始终独立于生成式 AI。

研究条目保留证据等级、来源、代码状态与局限；任何影响装置的动作仍需服务端授权和人工批准。查看智能体接入架构 →

数字孪生提供“世界模型、实时状态与证据”，人工智能提供“表征、搜索、优化与编排”。二者融合的目标不是取代物理，而是在已知边界内更快形成可验证、可解释、可回退的决策。

从机器学习到智能体：能力逐层增加，治理必须同步前置。

机器学习

深度学习

基础模型

智能体

按九个知识域检索“问题—装置—论文—代码—证据”。

PORTALS：以高斯过程代理优化高保真核心输运通量匹配

相关论文

相关代码

面向 JOREK 与 MAST 观测的 Fourier Neural Operator 等离子体代理

相关论文

相关代码

NSTX-U Eqnet/Pertnet 快速平衡与等离子体响应模型

相关论文

相关代码

QLKNN：QuaLiKiz 湍流输运神经网络代理

相关论文

相关代码

JOREK/STORM 边缘等离子体神经算子：可行性与数据效率

相关论文

相关代码

TGLF-WINN：波数信息约束的数据高效 TGLF 湍流输运代理

相关论文

相关代码

TORAX：JAX 可微分托卡马克核心输运模拟器

相关论文

相关代码

MMMnet：多模异常输运模块神经网络代理

相关论文

相关代码

CFETR COOL 包层第一壁热—结构代理与 NSGA-II 优化

相关论文

相关代码

Hammerhead：面向聚变冷却管路的开源 ML–CFD 热工水力优化环境

相关论文

相关代码

EU-DEMO 中心螺线管预设计的 MADE 数据与神经网络代理

相关论文

相关代码

中子体积加热驱动真空室温度场的物理信息神经网络代理

相关论文

相关代码

核/聚变遥操作机器人的 ML 代理 FMU 组件库方法

相关论文

相关代码

液态金属聚变包层 MHD 流动的稀疏网格、PCE 与高斯过程代理

相关论文

相关代码

CHIMERA 聚变部件多物理虚拟试验与数字孪生

相关论文

相关代码

聚变堆氚增殖比 Monte Carlo 模型的快速回归代理

相关论文

相关代码

HL-3 高保真数据驱动动力学模型与强化学习磁控制

相关论文

相关代码

PACMAN：DIII-D 集成 AI 实时控制架构

相关论文

相关代码

DIII-D 概率机器学习与贝叶斯优化安全 ramp-down

相关论文

相关代码

DIII-D 深度强化学习主动规避撕裂模

相关论文

相关代码

DIII-D/KSTAR 机器学习辅助自适应 RMP 无 ELM 控制

相关论文

相关代码

DIII-D 数据驱动剖面预测与有限动作集 MPC 实时基础设施

相关论文

相关代码

TCV DeepMind 深度强化学习磁控制

相关论文

相关代码

TCV predict-first 神经状态空间模型与鲁棒 ramp-down 轨迹学习

相关论文

相关代码

WEST 红外壁监视 AI：从热事件识别到加热系统闭环指令