当传感器"临阵脱逃"，核聚变预测系统会崩溃吗？

一项由独立研究者完成的工作，以预印本形式发布于2026年7月5日，论文编号为arXiv:2607.11915。有兴趣深挖细节的读者，可以通过这个编号在arXiv平台找到全文。

核聚变，这个被人类追逐了半个多世纪的“终极能源梦”，正在静悄悄地走向现实。法国南部的国际热核实验堆ITER，砸下约220亿美元，目标明确——人类历史上首次实现核聚变的净能量增益。但在这条通往梦想的路上，有一道险关横亘其中：等离子体破裂。

想明白这道难关，得先知道托卡马克是怎么工作的。核聚变需要把氢的同位素加热到超过1亿摄氏度，比太阳核心还热，这时氢变成了等离子体。托卡马克装置用精心设计的磁场把这团炽热的等离子体悬浮在半空中，不让它碰到任何材料，这是目前最成功的磁约束聚变技术路线。但问题在于，一旦磁场约束失效，等离子体会在几毫秒内把储存的巨大热能和磁能倾泻到反应堆壁上，造成灾难性损伤。剑桥大学出版的研究表明，就算是中等程度的破裂率，也会让聚变电厂的发电成本飙升到商业化无望。所以，提前50到100毫秒预测到破裂，让控制系统有时间优雅地终止放电，这是任何反应堆级装置的安全底线。

为了完成这个预测任务，人工智能和机器学习近年来大量涌入等离子体诊断领域。从深度循环神经网络到卷积神经网络，各路算法在干净、完整的传感器数据上表现越来越好。但问题在于，这些模型几乎清一色地建立在一个隐性假设上——传感器提供的数据是完整无缺、干净可靠的。

现实远非如此。采集系统常常启动迟，前段信号缺失一截。单个传感器可能因为热损伤或电磁干扰中途罢工。更要命的是，这些故障并不是随机分布在时间轴上，它们恰恰集中间出现在等离子体最不稳定、预测最关键的时刻——破裂即将来临之际，强烈的热冲击和电磁瞬变会主动损伤传感器性能。

这位研究者敏锐地发现，TokaMark——目前最权威的托卡马克等离子体AI基准测试框架——虽然明确把“对不完整状态信息的鲁棒性”列为四大核心评估维度之一，但在其论文中却对这一维度没有任何实际测量。于是他决定自己来填补这个空白，完成了迄今为止对等离子体诊断机器学习模型抗干扰能力最系统、最全面的评测。

一、舞台：MAST托卡马克与TokaMark基准

研究数据来自英国原子能机构运营的球形托卡马克装置MAST（Mega Amp Spherical Tokamak），它在英国卡勒姆从1999年运行到2013年，累计产生超过3万次放电实验。紧凑的球形几何结构让它成为研究等离子体动力学的极佳平台。MAST最后5个实验活动期间的诊断数据，以11573次放电的规模，通过FAIR-MAST项目开放共享。每次放电都包含一个关键的时间戳——等离子体电流骤降时刻（t_cut），也就是破裂发生的精确时间。

在这个数据集上，TokaMark框架定义了14个预测任务，并按8:1:1的比例将放电数据分为训练集（9270次）、验证集（1157次）和测试集（1146次）。研究者选择了其中第4-4号任务作为核心测试场景：给定150毫秒的诊断历史数据，预测100毫秒之后的等离子体电流值。这个任务被选中，不仅因为它直接跟破裂安全相关，还因为等离子体电流骤降是全面破裂最清晰的前兆之一。

任务的输入涵盖18路信号，其中14路是诊断信号，4路是执行器信号。这18路信号横跨MAST诊断系统的全谱：磁通量环、拾波线圈、鞍形线圈等磁场诊断，干涉仪和D-alpha光谱仪等动力学诊断，软X射线相机等辐射诊断，主动线圈电流，以及记录等离子体电流本身的信号。研究者将这些信号统一重采样为600个时间步的时间序列，形成一个(600, 18)的张量作为深度学习模型的输入。

二、四位“选手”登场：不同架构，各异特质

在正式开始“压力测试”之前，研究者搭建了四种代表性架构，每种都体现了截然不同的信号处理方式。

第一位选手是XGBoost，一种基于决策树集成的经典机器学习模型。它的工作方式很独特——它不直接“看”时间序列本身，而是先把每路信号压缩成142个统计摘要特征，包括均值、标准差、最小值、最大值、中位数、首尾数值、线性斜率和零值比例等。这就像一个人不去完整看一部电影，而是通过看梗概、平均评分、开头结尾几幕来做判断。XGBoost使用500棵决策树，具备约50万个决策节点。

第二位是LSTM（长短期记忆网络），一种专门处理序列数据的循环神经网络。它按时间顺序逐步“阅读”输入序列，用两层隐藏层（每层128个单元）处理整条时间序列，然后用最后时刻的隐藏状态来做预测。LSTM天然地对序列中靠近末端的信息赋予更高的权重，因为那些信息最新鲜。

第三位是Transformer，近年来在自然语言处理和计算机视觉领域大放异彩的架构。它通过“自注意力”机制同时“审视”序列中所有时间步，计算任意两个时间点之间的关联强度，然后综合全局信息做预测。这就好比一个人在做判断时，可以同时考虑故事开头、中间和结尾的每一个细节，而不是只记住最近读到的内容。

第四位是TokaMark最新CNN基线模型，基于多分支卷积神经网络结构。它为18路输入信号各自配备一条独立的一维卷积编码器，每条编码器学习该信号自己的时序模式，然后将18路编码结果拼接起来，通过共享的全连接层输出预测值。

这四位选手各有约30万到50万参数，在200次放电的训练数据（提取出约9950个预测窗口）上训练，在50次放电的测试数据（约2420个窗口）上评估。训练均使用早停机制防止过拟合。

三、赛前侦查：真实数据里的缺损长什么样？

在设计任何“压力测试”场景之前，研究者先做了一件务实的事：从FAIR-MAST上随机抽取300次放电，亲自测量各类诊断信号的自然缺损情况，让后续设计的故障场景有真实的物理依据。

测量结果揭示了两个关键发现。首先，不同诊断类别的缺损率差异悬殊。等离子体电流信号和线圈电流信号在所有300次放电中都100%完整，零缺损，这反映了工程优先级——控制系统最依赖的信号被仔细保护。磁通量环和软X射线信号偶有缺损，平均约2%到4%。而动力学诊断——干涉仪和D-alpha光谱仪——平均缺损14%到15%，而且通常以“前段缺失”的形式出现，也就是每次放电开始时有一段信号是空白的，因为采集系统启动较晚。

更令人印象深刻的是第二个发现：干涉仪和D-alpha光谱仪的缺损率在每一次放电中精确相同，相关系数高达r=1.000。这不是统计规律，而是硬件现实——这两个诊断共用同一个采集触发器，触发器延迟启动，两个信号就同时缺失。这个发现直接促成了后续“相关诊断组同时失效”场景的设计。

有了这些真实数据做基础，研究者设计了六种物理上站得住脚的故障场景。

四、六重“压力测试”：从温和到极端

第一种场景是随机点状缺失，模拟数字化采集系统的随机毛刺或传感器瞬时噪声。研究者将信号矩阵中随机选取的10%、25%或50%的数值点直接清零。为了不破坏原有的自然缺失结构，只对原本有值的位置施加破坏。

第二种场景是整通道剔除，模拟一个传感器物理损坏或断开连接。随机选取1、3或6个完整的诊断通道，在整个150毫秒窗口内将其全部清零，彻底切断该传感器的信息贡献。

第三种场景是按诊断类别逐一剔除，这更像一次系统性的“灵敏度分析”。研究者按照TokaMark信号分类体系，将磁通量环、拾波线圈、鞍形线圈、Mirnov频谱仪、动力学类（干涉仪加D-alpha）、软X射线、主动线圈、等离子体电流这八大类别各自单独清零，以此判断每个架构对哪些信号最依赖。

第四种场景是时间段缺失，即连续清零整个窗口中某一段时间内所有通道的数据。缺失段的长度为窗口的20%、40%或60%。更重要的是，研究者测试了三种缺失位置：前段缺失（模拟采集延迟，与MAST真实情况一致）、随机位置缺失（模拟放电中途的偶发故障）、以及末端缺失（接近预测时刻的故障，也称“临近事件前缺失”）。

第五种场景是相关诊断组同时失效，直接来源于前面侦查到的r=1.000共用触发器现象。将动力学组（干涉仪加D-alpha）、主动磁性组（所有拾波线圈）、辐射组（两路软X射线相机）或Mirnov频谱仪组中的所有信号同时清零。

第六种场景是“破裂临近时刻的传感器失效”，也是六种场景中最具安全含义的一种。在预测窗口的最末端——占窗口10%、25%或50%的尾部时间段——注入缺失。研究者明确指出，这个场景在此之前从未在任何同类研究中被系统评估过。破裂临近时，等离子体最不稳定，传感器面临最强烈的热冲击和电磁瞬变，也正是预测系统最需要准确工作的时刻。偏偏这时候，信号最可能丢失。

五、衡量“扛压能力”的新标尺：鲁棒性评分

为了能在四种架构之间做横向比较，研究者引入了一个新指标——鲁棒性评分（Robustness Score，RS）。其计算逻辑简洁直观：将模型在干净数据上的误差，除以在受损数据上的误差，再对所有零值填充场景取平均。RS等于1.0意味着信号损坏对模型毫无影响；RS低于1.0则意味着模型性能有所下降，数值越低说明下降越严重。

衡量预测误差使用的是归一化均方根误差（NRMSE），它将预测误差除以目标变量的标准差来归一化。NRMSE等于1.0意味着模型的预测能力和直接猜测均值一样糟糕；低于1.0才说明模型有真正的预测价值。

除了这个窗口级别的预测精度指标，研究者还引入了面向实际部署的“放电级别报警指标”。利用FAIR-MAST中精确记录的破裂时刻t_cut，他测试了每个模型能否在破裂前发出有效报警，并统计真正报警率（TPR，多大比例的破裂放电在破裂前收到了报警）和平均预警时间（MWT，报警与破裂之间的平均时间间隔）。所有50个测试放电均发生了破裂，因此无法计算误报率，但TPR和MWT足以揭示关键问题。

六、干净数据下的基准成绩

在没有任何人为破坏的干净数据上，四位选手的成绩如下：Transformer以NRMSE 0.470拿下最佳预测精度，但其鲁棒性评分RS只有0.765，是四者中最低之一。XGBoost的预测精度略逊一筹（NRMSE 0.494），却拿到了最高的鲁棒性评分（RS 0.841）。LSTM居中（NRMSE 0.496，RS 0.808）。CNN基线模型预测精度稍差（NRMSE 0.528），鲁棒性评分与Transformer几乎相同（RS 0.764）。

这里需要说明一点：研究者为了控制实验规模，仅使用200次放电训练模型，而TokaMark最新训练集是9270次放电，因此绝对NRMSE数值高于最新基线（0.429）是完全预期的，不影响鲁棒性比较的有效性——相对降幅由架构决定，与训练集大小无关。

在放电级别报警指标上，干净数据下CNN以TPR=0.60领先，也就是50次破裂放电中，30次在破裂前收到了报警。LSTM为0.52，Transformer为0.48，XGBoost为0.40。然而，所有模型的平均预警时间都只有12到15毫秒，远低于ITER要求的50到100毫秒，说明Task 4-4的100毫秒预测窗口本身就不足以支撑反应堆级别的破裂预防操作。

七、随机点状噪声：“蒸发”一半数据会怎样？

随机点状缺失实验揭示了各架构的第一层差异。当50%的数值被随机清零时，CNN降幅最剧烈，NRMSE升高了201%，几乎是干净状态的三倍误差。XGBoost也损失惨重，升高145%。LSTM升高57%，Transformer升高85%，相对温和些。

这里出现了一个耐人寻味的现象：当研究者引入“前向填充”这一修复策略（即用每个缺失点前最近的有效值来填补空缺，就像一个实时系统在传感器失联时继续保持最后读数）之后，情况发生了戏剧性逆转。对于LSTM，50%随机缺失加前向填充之后，NRMSE几乎回到零降幅；Transformer的降幅也接近于零。原因在于，前向填充把一个随机破损的信号变成了一段段平台式的分段常数信号，而模型在训练中已经见过类似的“阶梯形”信号形态，因此并不陌生。CNN和XGBoost通过均值填充也有部分恢复，但效果不如序列模型使用前向填充那么干净。

八、切掉哪根“神经”最致命？

按诊断类别逐一剔除的实验，揭示了一个清晰的信号重要性层级。等离子体电流（summary-ip）是当之无愧的“命脉”：切掉它之后，LSTM的NRMSE上升了139.8%，Transformer上升89.1%，XGBoost上升72.7%，CNN上升27.7%。这并不令人意外，因为等离子体电流既是托卡马克运行的核心控制量，也正是Task 4-4要预测的目标量，输入中包含了与输出高度相关的信息。

位居第二重要的是主动线圈电流：切掉它之后，Transformer降幅36.0%，XGBoost降幅28.5%，CNN降幅46.9%。CNN在这里表现得格外敏感，这与其架构有关——每个通道都有独立的卷积编码器，一旦某个编码器的输入被切断，编码器就完全失效，而其他通道的编码器无法弥补。Transformer的全局注意力机制则允许不同通道之间的信息相互补偿。

更引人深思的是“不重要的信号”。干涉仪和D-alpha这两类自然缺损率最高的动力学信号，切掉之后对所有模型的影响都在正负20%以内，甚至有时出现小幅改善。简洁的解释是：这些模型在训练过程中已经见过大量这两类信号缺失的样本，因此学会了在没有它们的情况下工作——它们被训练数据“免疫”了。Mirnov频谱仪信号的缺失对所有模型影响都不超过1%，可能是因为在150毫秒预测窗口内，Mirnov信号所反映的磁流体动力学不稳定性特征并不稳定持续出现。

九、时间段缺失：前段断了无妨，尾段断了完蛋

时间段缺失实验展示了最令人担忧的不对称性。

切掉窗口前60%的数据，对LSTM几乎没有影响（NRMSE升高仅0.0%），对XGBoost甚至略有改善（降低1.3%）。物理上这说得通：MAST放电的前段是等离子体电流爬升阶段，信息量少，去掉了也无所谓。Transformer受影响相对较大（升高52.5%），因为它的全局注意力机制没有天然的时间权重偏好，把所有时间步一视同仁地处理，前段数据缺失对它来说是一种信息均摊的损失。

然而，一旦把缺失挪到窗口末端——也就是破裂临近时刻的传感器失效场景——情况骤然恶化。LSTM在末端缺失仅20%时，NRMSE就直接跳升212%，而且无论缺失比例继续扩大到25%还是50%，误差都卡死在这个高位不再变化。这是一个“硬性上限”的信号，说明LSTM对最后几个时间步存在几乎不可替代的依赖。这是全文最令人不安的发现：LSTM最依赖的那些时间步，恰恰是在真实破裂临近时最容易丢失的。

Transformer的情况稍好一些，在末端20%缺失时升高143%，60%缺失时升高205%，说明全局注意力提供了一定的缓冲，但依然严重。CNN以+67.7%到+167.7%的降幅表现较Transformer更温和，这得益于其卷积池化结构对整条序列的综合处理。XGBoost降幅最温和（+8%到+37%），因为轨迹斜率等统计特征对末端缺失的敏感度有限。

前向填充在末端缺失低严重度时（20%缺失）能将LSTM的降幅从212%压回到+1.7%，但随着缺失区域扩大，效果迅速消失——因为前向填充无法凭空创造出真正新鲜的信息，而那正是末端数据所携带的。

十、相关诊断组同时失效：好消息与坏消息

相关诊断组同时失效的实验在某种意义上带来了意外的好消息。LSTM在主动磁性组失效时降幅26.2%，XGBoost在动力学组失效时降幅18.4%，在辐射组失效时降幅20.2%，这些数字虽然不小，但远非灾难性的。CNN和Transformer在所有组失效场景下，大多数情况降幅接近于零甚至略有改善。

部分数值出现负降幅（即误差反而降低），这提示这些信号在正常状态下可能携带了轻微的对抗性噪声，去掉反而让预测更稳定。Mirnov频谱仪失效对所有模型的影响均不超过1%，再次印证了它在150毫秒窗口内的预测价值有限。

十一、两种截然相反的“修复药方”

这项研究最出人意料、也最具实践意义的发现，出现在“修复策略对报警指标的效果”这一章节。

在NRMSE框架下，均值填充（用训练集各通道均值替代缺失值）在破裂临近失效场景中会让情况更差——LSTM的NRMSE从1.55进一步升高到1.88。这很好理解：用历史均值替换掉预测窗口最关键末端的数据，就等于强制模型根据一个错误的先验来做判断。

然而，一旦把评估口径从窗口级NRMSE切换到放电级报警TPR，结论完全颠倒过来。在25%末端缺失、零值填充条件下，LSTM的TPR从干净数据下的0.52崩溃到0.00——50次破裂放电，一次都没有成功报警。而使用均值填充之后，LSTM的TPR一跃恢复到1.00，所有50次破裂都提前收到了报警。使用前向填充的恢复也非常强劲（TPR=0.96）。

这个逆转发生的机理很清晰：报警系统的触发逻辑是检测预测的等离子体电流是否出现显著下降，当零值填充把末端信号清空时，模型预测出了人为的电流下降，但由于零值还干扰了模型对临近破裂信号的正确解读，最终反而没有触发报警。均值填充移除了末端的人为零值，让模型能够正确感知到真实的电流衰减趋势，报警机制反而恢复正常运转。

CNN和Transformer在此场景下前向填充优于均值填充：Transformer在零值填充、均值填充、前向填充下的TPR分别为0.08、0.58、0.76；CNN分别为0.46、0.30、0.78。不同架构在不同修复策略下的反应各有差异，这就说明绝无可能用一个统一的评估指标来判断修复策略的好坏——必须同时考察预测精度指标和实际报警指标。

十二、架构哲学与鲁棒性的深层联系

回头来看四种架构的整体鲁棒性评分：XGBoost 0.841，LSTM 0.808，Transformer 0.765，CNN 0.764。这个排名背后有一条一以贯之的逻辑主线。

XGBoost将时间序列压缩成统计摘要再做决策。个别数值点的缺失只能改变统计摘要的幅度，而不能消灭它，因此XGBoost天然具备对随机点状干扰的抵抗力。陈天奇在设计XGBoost时特别考虑了稀疏感知的决策树分裂算法，使其能够优雅地处理缺失特征，这一特性在等离子体诊断鲁棒性场景中得到了具体验证。

LSTM的时序归纳偏置——越靠近末端的信息权重越高——在正常预测任务中是优势，在破裂临近失效场景中却成了致命弱点。Transformer的全局注意力分散了对任意单一时间段的依赖，提供了有限的保护，但这种保护以对前段缺失稍高的敏感度为代价。CNN与Transformer的RS几乎完全相同（0.764与0.765），尽管两者架构截然不同，这说明“准确性与鲁棒性的权衡关系”是原始时间序列处理这一共同特征带来的，而非特定架构的产物。

十三、对未来的ITER级装置意味着什么？

这些数字需要在一个更宏大的背景下解读。ITER将在比现有任何托卡马克都更恶劣的电磁和辐射环境中运行。传感器失效率会更高，失效模式更多样，一次漏报的代价则是数十亿美元级别的设备损伤。当前在干净数据下的预警时间已经只有12到15毫秒，远低于ITER要求的50到100毫秒。在破裂临近传感器失效、没有任何修复策略的情况下，LSTM连一次有效预警都给不出。

研究者提出了两条具体的设计建议。其一，应当把“缺失通道的伪占位符”训练策略从跨设备迁移技巧升格为标准做法——训练模型明确区分“信号值为零”与“信号不可用”，这样模型才能对缺失做出正确响应。其二，对最关键的信号（等离子体电流、主动线圈电流）应当配备独立冗余的采集链路，确保单一硬件故障不能同时损坏模型最依赖的那些信号。

此外，研究者援引了麻省理工学院等离子体科学与聚变中心的Granetz博士提供的物理冗余案例：等离子体电流通常由罗果夫斯基线圈测量，但它完全可以通过安培定律从磁场探针线圈阵列的线性组合中重建，Alcator C-Mod装置在其最后一年运行期间就曾在主罗果夫斯基线圈失效后成功切换到这种重建方式，破裂预测TPR没有下降。这说明当前模型对等离子体电流信号移除的高度敏感，反映的是模型尚未学会利用物理冗余，而非不可克服的物理限制。

当然，研究也诚实地列举了自身局限性。Task 4-4是回归框架，而主流破裂预测文献更多采用二分类或时间到破裂的预测框架；研究者指出其鲁棒性方法论对分类任务同样适用，但尚未实际扩展。MAST的缺损模式（前段为主、动力学类诊断高缺损率）可能是MAST特有的，其他装置的失效模式可能不同，需要在具体设备的背景下重新理解这些场景的代表性。测试集50次放电均为破裂放电，使得误报率无法计算。每个模型只训练一次，没有统计多次运行的方差。

说到底，这项研究做了一件“只说不练假把式，只练不说傻把式”之间的平衡事：它把等离子体诊断AI的鲁棒性问题从“我们知道这是个问题”推进到了“我们有具体的量化证据和可操作的结论”。

归根结底，核聚变走向商业化的路上，不缺高精度模型，缺的是在最糟糕的时刻依然能工作的可靠模型。一个在破裂最临近时刻传感器失效的情况下TPR变成零的系统，不管它平时NRMSE有多漂亮，都不是一个能放心部署在ITER上的系统。

这项研究更深层的意义在于，它指出了一个令人清醒的悖论：我们用来保护反应堆的AI系统，在保护最迫切需要时，却最可能遭遇信号失效。这不是算法的问题，也不是数据的问题，而是系统设计层面需要认真对待的工程挑战。前向填充可以作为一个零成本的默认缺失处理策略，均值填充在报警检测场景下意外地有用，这些务实的结论可以立即被工程实践采纳，无需等待更先进的模型。

有兴趣深入探究每一个实验细节的读者，可以通过arXiv编号2607.11915查阅这篇由独立研究者Neera v Gupta完成的完整论文，代码、数据和模型检查点均已开放。

Q&A

Q1：破裂临近时刻传感器失效对LSTM的报警能力影响有多严重？

A：在末端25%的信号缺失、不做任何修复的情况下，LSTM的破裂报警真正报警率从干净数据下的0.52直接崩溃到0.00，也就是50次破裂放电一次都没有提前报警。施加均值填充后可以完全恢复到1.00，前向填充则恢复到0.96。这个结果是全文最具实际安全含义的发现。

Q2：前向填充和均值填充在不同评估指标下效果为什么截然相反？

A：在窗口级预测误差（NRMSE）指标下，均值填充在末端缺失场景中会让情况更糟，因为它用历史均值替代了预测窗口最关键末端的真实信号，把错误先验注入模型。但在放电级报警指标（TPR）下，均值填充通过移除人为零值，让模型能正确感知电流下降趋势，从而触发报警。这说明优化预测精度和优化报警可靠性需要分别评估，两者使用的最优策略可以是相反的。

Q3：托卡马克等离子体电流信号对AI诊断模型为何如此关键，能否用其他信号替代？

A：等离子体电流在Task 4-4中既是最重要的输入信号，也是预测目标本身，因此移除它的影响最大。物理上，等离子体电流可以通过安培定律从磁场探针阵列重建，Alcator C-Mod装置曾实际这样操作而不影响破裂预测性能。当前模型对等离子体电流的高度依赖反映的是模型尚未学会利用这种物理冗余，而非不可克服的技术限制。训练模型显式利用这种物理关系是提升鲁棒性的可行方向。