新年的阳光悄然而至,表情太阳,️，你有没有想过太阳离我们有多远？

它从1.5亿公里外的宇宙与我们遥遥相望，看似遥远，但是在今天，我们之间的距离近了几分：

1月4日的某一时刻，是今年地球在轨道上距离太阳最近的一点，叫近日点。

这一天，我们的距离近了零点零几亿公里，但是我们和“太阳”的距离可以比这还要近

中国的“人造太阳”：东方超环EAST

在安徽合肥的

科学岛

上，有这样一台国之重器——全超导托卡马克装置（EAST，又名“东方超环”），被称为“人造太阳”,表情太阳,️。

它是全球首个全超导托卡马克核聚变装置，也是全球重要的稳态偏滤器托卡马克前沿物理与工程技术实验平台。

目前已能实现：3.5特斯拉纵场强度、百万安培等离子体电流，还首次完成1亿摄氏度1000秒“高质量燃烧”……换句话说，人类已经在地球上“种”出了一颗温度超过太阳的“小太阳”。

它的目标很宏大：模拟太阳内部的反应，为人类提供终极能源。

东方超环，俗称“人造小太阳”，位于安徽省合肥市科学岛

但是，它的“脾气”也很暴躁：等离子体是物质的第四种状态，是电子与原子核分离后形成的炽热电离气体。在托卡马克核聚变装置中，这团被磁场束缚的、温度高达上亿度的等离子体“火球”却极为调皮，极不稳定，随时可能出现扰动、紊乱和能量损失。

传统物理模型由于适用场景和假设条件的限制，很难精确预测它的长期行为。因此，想要驾驭托卡马克中极端复杂的等离子体，从而实现稳定可控的聚变反应，就得构建一个更精准、更稳定的响应模型。

这时，AI登场了

给“人造太阳”装上“超级预测系统”

不久前，科大讯飞联合团队在“驯服小太阳”这件事上取得了重大突破：

中国科学技术大学语音及语言信息处理国家工程研究中心、中国科学院等离子体物理研究所、合肥综合性国家科学中心能源研究院及科大讯飞研究院

AI For Science

联合团队，在AI赋能聚变等离子体领域提出最新研究成果PaMMA-Net模型，正式发表于核聚变领域顶级期刊《

Nuclear Fusion

这个基于深度神经网络的响应模型PaMMA-Net，是在EAST装置超万次放电实验数据的基础上训练而成，能够高精度预测等离子体的磁测量演化过程。

简单说，就是给“人造太阳”装了个“超级预测系统”，基于这个系统的预测结果，能够准确恢复等离子体形状、各种关键的参数，控制系统可以基于预测结果学习哪里可能出现不稳定，进而保持反应平稳进行。

还是听不懂怎么办咧

于是我们请到了专业的

科大讯飞研究院副院长方昕来为我们解答——

“传统物理模型在预测可控核聚变相关信号时存在较多的场景假设条件的限制，从而导致预测存在一定的鲁棒性问题，而科大讯飞采用数据驱动的深度学习方案，不仅大大提升了预测的精度，而且增强了预测的鲁棒性与稳定性。”

据了解，PaMMA-Net模型有三大绝招：

任务数据的构成，带来了以下难点：

微变累计预测：不用“直接预测”等离子体的整体变化，而是计算“微小波动”再累积起来。这就像天气预报，预测“每小时温度变化”比直接预测“明天温度”更准确。这种方法既缩小了动态范围，又贴合“平衡+扰动”的物理建模思路，能精准捕捉细微变化。

状态融合预测：解决了观测信号与控制信号维度不统一的难题，以及磁感应强度与磁通“类内强相关、类间弱相关”的复杂关系，让模型能更全面理解等离子体的真实状态。

指定频带数据增强：在不破坏低频物理规律的前提下，提升了模型对高频扰动的适应能力，大幅增强模型的鲁棒性和泛化能力——换句话说，让模型面对不同情况都从从容容游刃有余。

效果有多强

在包含860次放电记录的测试集中：

✅️PaMMA-Net的预测相似度平均超过95%，对绝大多数放电实现了90%以上的预测精度，显著优于传统方法。

✅️无论是放电的上升段、平顶段、下降段还是切换段，它都表现稳定。这表明PaMMA-Net在响应模型的长时稳定性和跨实验条件泛化这两个学界难题上取得了进展，为高精度、快响应的等离子体控制提供了可行路径。

测试集中所有放电的演化相似性度量及其分布，每个数据点代表一次放电

为什么能做到这样强的效果 ？

还是请到方院长来为我们分享：

“突破的关键在于，科大讯飞利用了信号处理本质上的共性。无论是语音波形还是核聚变装置的电流电压磁测量信号都同属时序信号，它们在数学上都属于‘时间序列数据’。这类数据的特点是，前后时刻的值具有强烈的相关性。正是抓住了‘持续信号预测’这个共同本质，科大讯飞将积累了二十多年的语音建模经验，比如将语音合成中基于前一秒声音生成后续内容的思路，迁移到核聚变这个全新的科学领域。”

具体而言，在核聚变信号预测任务上，联合团队通过将实验数据代入模型进行训练，模型便学会了捕捉核聚变装置运行中的动态规律，能基于前1秒电流电压信号数据，去预测后9秒的磁场信号，从而实现了高效、高精度的模拟预测。

方院长继续说道：

“整体来看，科大讯飞联合团队的实践不仅推动了可控核聚变研究的效率提升，也为AI在科学领域的跨学科应用做出了切实的探索。”

值得一提的是，PaMMA-Net响应模型能够在长时段内高精度演化磁测量，能显著加速研究进程，助力

可控核聚变

尽快实现商业化。

目前，深度神经网络的响应模型可以作为“虚拟装置”，为强化学习控制器提供训练模拟环境，而这种研发范式已推广至工业场景任务中，比如优化空分装置工艺参数、降低大型建筑制冷能耗。

天上悬着古老的太阳

来自1.5亿公里外的宇宙

地上亮起年轻的“太阳”

诞生在中国科学家的手中

它们以不同方式照亮和温暖着人类❤️

我们期待的“新”不仅是岁月的更迭

更是前沿科技带来的美好生活

我们向往的温暖不仅来自天边的恒星

更来自人类智慧创造的无限可能

祝大家，在新的一年里

心中有爱，向光而行

做那个敢于在生活中“种太阳”的人