近日，等離子體所EAST團隊的等離子體破裂物理課題組在破裂物理、逃逸電子和破裂預測等方面取得了一系列新進展，研究成果在Nuclear Fusion和Plasma Phys. Control. Fusion等核聚變領域權威期刊上發表。相關研究工作主要由曾龍，陳大龍，胡文慧，唐天，郭筆豪和朱翔等人完成。

　　托卡馬克等離子體在破裂時，能量在極短的時間內沉積到裝置第一壁材料，會直接導致材料損傷，影響裝置運行安全。在ITER和CFETR等裝置上，由于高儲能和大電流等因素，破裂造成的損傷更加嚴重，破裂期間形成于等離子體表面的暈電流會直接威脅內部部件安全。利用偏濾器部件的電流傳感器，課題組詳細研究了類ITER鎢銅偏濾器和石墨偏濾器暈電流結構特征，指出了垂直位移深度是決定靶板暈電流份額的最主要原因，得到了類ITER偏濾器暈電流實驗定標關系（圖1），為未來偏濾器設計提供了可靠的實驗支撐（D. Chen, R. Granetz, L. Zeng, et al 2020 Plasma Phys. Control. Fusion 62 095019）。

　　在逃逸電子方面，課題組系統研究了EAST裝置破裂期間逃逸電子的產生和損失過程（圖2），指出了低雜波共振加熱產生的超熱電子對逃逸種子的貢獻，分析了MHD不穩定性等對逃逸電子損失的影響，成果以“Runaway electron generation and loss in EAST disruptions”為題發表在Nuclear Fusion上（T. Tang, L. Zeng, D. Chen et al 2021 Nucl. Fusion 61 076003）；在放電平臺期間發現了兩種逃逸電子產生機制的分叉現象，直接證實了理論預測的逃逸電子產生存在兩個閾值電場，即Dreicer電場和雪崩效應閾值電場，深化了對雪崩效應的認識（X. Zhu, L. Zeng, Y. Liang et al 2020 Nucl. Fusion 60 084002）。

　　由于破裂原因復雜且發展速度太快，利用傳統算法或者單一神經網絡算法，很難實現高準確率的破裂預測。課題組基于大數據處理，提出一種深度機器學習的算法，預測模型能實現超過85%的破裂，平均提前預警時間大于50毫秒。模型能兼顧常規的幾種破裂放電識別（B. Guo, B. Shen, D. Chen et al 2021 Plasma Phys. Control. Fusion 63 025008）。同時，課題組在 EAST 控制系統 PCS 上建立了基于隨機森林模型的高密度破裂預測模塊 (DPRF)，并成功開展了演示實驗（圖3）：DPRF以PCS 提供的實時信號作為輸入計算破裂概率，并將計算的破裂概率傳遞給警報系統，當破裂概率達到設定的閾值且持續超過 10 ms 的時候，警報系統就給 MGI 系統發出信號，再由 MGI 系統往等離子體中充入雜質氣體，有效緩解破裂對裝置的損傷，成果以“Real-time prediction of high-density EAST disruptions using random forest”為題發表在Nuclear Fusion上（W.H. Hu, C. Rea, Q. Yuan et al 2021 Nucl. Fusion 61 066034）。

　　以上研究成果得益于等離子體所EAST大科學裝置團隊成員間的共同協作，相關工作得到了國家重點研發專項、中國科學院青年創新促進會、國家自然科學基金等項目的資助。

　　論文鏈接：

　　1. https://doi.org/10.1088/1741-4326/abf74d 

　　2. https://doi.org/10.1088/1741-4326/abf62f 

　　3. https://doi.org/10.1088/1741-4326/ab96f3 

　　4. https://doi.org/10.1088/1361-6587/aba366 

　　5. https://doi.org/10.1088/1361-6587/abcbab 

　　圖1：暈電流與環向不對稱因子

圖2：EAST破裂期間逃逸電子行為

　　圖3：EAST裝置包含實時高密度破裂預測模塊和MGI 的破裂防護閉環控制系統