高保真物理基础
以磁流体、回旋动理学、平衡与边界等第一性原理模型，为AI训练、校准和验证提供可信物理基线。
- MHD与稳定性
- 回旋动理学
- 平衡与本征模
- 边界与加热模型
AI FOR FUSION ENGINEERING
让高保真物理与AI共同驱动聚变研发
从第一性原理模拟、物理约束代理模型到实验数据融合和装置数字孪生，构建贯穿设计、实验与运行的聚变智能计算体系。
高保真物理代理模型实验数据融合数字孪生
01高保真物理High-fidelity Physics
02物理AIPhysics-informed AI
03数据融合Data Fusion
04设计与运行Design & Operation
STELLAR AIAI for Fusion聚变智能计算
CAPABILITY ARCHITECTURE
以物理可信度为起点的聚变AI能力体系
AI能力建立在高保真物理模型之上，并通过数据融合、验证与工程工作流进入装置设计、实验分析和运行研究。
物理约束代理模型
将高保真模拟、物理约束和实验数据结合，形成面向高频计算任务的快速代理模型。
- 湍流输运代理
- 平衡快速重建
- MHD不稳定性预测
- 热流与加热代理
实验数据融合
融合磁测量、干涉仪、软X射线等多源诊断信息，支持平衡反演、状态重建和风险识别。
- 多源诊断融合
- 平衡参数反演
- 状态实时重建
- 异常与失稳识别
设计运行智能
连接设计优化、放电前演练、运行监测和实验后分析，逐步形成装置级数字孪生能力。
- 设计空间优化
- 放电方案演练
- 运行风险分析
- 数字孪生更新
APPLICATION LANDSCAPE
聚变AI重点应用方向
围绕明确的聚变物理与工程任务组织AI方法、数据、模型和验证要求。
概念设计与参数优化
面向托卡马克、球形托卡马克、仿星器和FRC等构型，组织参数扫描、平衡分析与多目标优化。
湍流与输运代理模型
以高保真回旋动理学计算为基础，构建可用于集成建模与多工况分析的快速输运模型。
平衡反演与状态重建
融合多源诊断数据与物理模型，面向实验分析和运行监测快速重建等离子体状态。
失稳预测与风险分析
面向MHD不稳定性、破裂风险和关键运行边界，提供预测、置信度和复核依据。
偏滤器与热负荷分析
连接边缘等离子体、材料、冷却边界和多物理场模型，支持候选方案筛选与高保真复算。
集成建模与数字孪生
贯通设计、放电前演练、运行监测与实验后分析，形成可持续更新的数字工程对象。
APPLICATION CASES
从具体科学与工程任务定义AI应用
代表场景展示数据、模型、验证与工程输出之间的关系，并明确区分技术基础、研发方向与合作开发内容。
研发方向
湍流与输运代理模型
为综合建模和多工况分析提供快速输运响应模型。
联合研发
多诊断平衡反演与状态重建
融合多源实验诊断，在统一物理约束下提高状态重建的完整性与时效性。
合作研究
等离子体破裂预测
从多通道诊断数据中识别破裂前兆，支持预警与缓解研究。
产品探索
偏滤器热负荷快速预测
在大量候选工况中快速识别需要进一步高保真分析的方案。
STELLAR SIMULATION
了解平台能力 →查看聚变AI如何进入科学计算工作流
代理模型、参数反演、设计优化和运行分析在统一的科学项目、数据、计算与验证环境中组织。
TRUSTWORTHY AI FOUNDATION
以物理、数据和验证体系支撑可信AI
聚变工程AI需要同时说明模型学习了什么、适用于什么工况、误差来自哪里，以及如何用实验和高保真计算进行复核。
物理约束
将守恒关系、边界条件和模型适用范围纳入AI模型与工作流。
数据质量
记录数据来源、实验工况、处理过程、版本和可复用条件。
V&V与UQ
通过验证、确认、误差评估和不确定性量化说明结果可信度。
工程追溯
保留模型、参数、配置、证据和分析过程，支持技术复核。