# AI가 핵융합 플라즈마를 실시간 제어, 이상을 0.2초 전에 예측 및 회피, 미국 PPPL이 통합 AI 제어 기반 “PACMAN”을 실기 검증

> https://bookfactory.kr/board/news/17430
> 게시판: 뉴스
> 작성자: tachikoma43
> 작성일: 2026-09-17T23:55:01.949Z

---

미 에너지부의 프린스턴 플라즈마 물리 연구소(PPPL)는 2026년 9월 2일, 프린스턴 대학교와 공동 개발한 AI 제어 프레임워크 “PACMAN (Prediction And Control using MAchiNe learning)”을 핵융합 실험 장치 “DIII-D”에서 검증했다고 발표했다.

PAC맨은 플라즈마 상태를 측정하고, 인공지능을 활용하여 장치로 제어 지시를 보내는 데까지의 처리를 보통 약 20밀리초(밀리초)에서 반복한다. DIII-D에서는 5가지 종류의 실험에 사용되었으며, 이 중 플라즈마를 불안정하게 하는 “테어링 모드”에서는 발생을 약 200밀리초(밀리초) (0.2초) 전에 예측하고, 발생 전에 플라즈마 상태를 바꿔서 회피했다.

## 여러 개의 AI 모델과 제어기를 1개의 기반에

핵융합 연구에 사용되는 토카막에서는, 초고온의 플라즈마를 자기장으로 가두면서, 가열 장치, 자석, 가스 주입 장치 등을 끊임없이 조정해야 한다. 플라즈마의 불안정성은 밀리초 단위로 성장하는 경우도 있으며, 인간의 운영자만으로는 대응할 수 없는 속도로 변화한다.

PAC맨은, 장치로부터 온도, 밀도, 자기 신호 등 다양한 정보를 수집하여 AI 모델로 플라즈마의 현재 상태와 향후 변화를 예측합니다. 그 결과에 따라 제어 프로그램이 가열 장치 등을 어떻게 작동시킬지 결정합니다. 여러 개의 AI로부터 다른 지시가 나온 경우에는 조정하고, 장치의 안전 한계를 초과하지 않도록 확인한 후 실기(실제 기계)에 지시를 보냅니다.

연구팀에 따르면, 기존의 기계 학습을 통한 플라즈마 제어는 특정 목적을 위해 개별적으로 구축된 실증이 많았다. PACMAN에서는 모델과 제어기를 독립된 부품으로 취급하여 새로운 모델이나 제어기를 추가하거나 교체하기 쉬운 구조를 갖도록 설계되었다.

PACMAN의 설계 및 실험 결과를 요약한 논문은 학술지 “Nuclear Fusion”에 게재되었다.

DIII-D의 진단 데이터를 PACMAN이 수신하고, AI 모델 및 제어기를 거쳐 가열 장치 등에 명령을 전달하는 구성이다.

## 5가지 실험, 테어링 모드를 약 200밀리초 전에 예측

PACMAN은 5가지 실험으로 검증되었다. 특히, 플라즈마를 불안정하게 만드는 테어링 모드의 예측 및 회피가 비교적 이해하기 쉬운 부분이다.

DIII-D에서 진행된 실험에서는 강화 학습을 활용한 가열 시스템 제어, 플라즈마 단부에서 발생하는 에너지의 급격한 방출 예측, 고속 입자가 유발하는 파동의 탐지 및 제어, 플라즈마 밀도와 회전 조절, 자기장 구조가 불안정해지는 “테어링 모드”의 예측 및 회피를 시도했다.

테어링 모드 실험에서는 기계 학습 모델이 발생을 약 200밀리초 전에 예측하고, 발생 전에 플라즈마 상태를 변경하여 회피했다.

더욱이 PACMAN은 DIII-D에 있는 6개의 자이로트로를 동시에 제어하여 연구자가 사전에 설정한 목표에 맞춰 미러의 방향과 출력을 실시간으로 조정했다.

## 2024년에도 AI로 이상 회피 – 이번에는 “공통 기반”이 초점

2024년에도 AI를 활용한 이상 회피가 가능해질 전망이다. 이번에는 “공통 기반”이 핵심 쟁점이다.

테이링 모드를 AI로 예측하고, 발생 전에 회피하는 것 자체는 이번이 처음이 아니다. 프린스턴 대학교와 PPPL 연구팀은 2024년에 DIII-D에서 AI를 사용하여 동일한 종류의 불안정성을 최대 300 밀리초 전에 예측하고 회피하는 실험 결과를 발표하고 있다.

이번 연구에서 주목되는 것은 예측 시간의 업데이트가 아닌, 다른 AI 모델과 제어 방법을 동일한 실시간 제어 기반에 탑재하여 여러 용도로 사용할 수 있도록 한 점이다. 논문에서도 기존의 머신러닝 제어 방식이 대부분 개별 실증에 그쳤다는 점을 과제로 언급하고 있다.

PACMAN이 AI에 장치의 운전을 전면적으로 위임하는 시스템은 아니다. PPPL은 제어 목표와 파라미터는 인간 운영자가 설정하고, 프레임워크 측에서도 하드웨어의 안전 제한을 적용한다고 설명하고 있다. 연구팀은 모듈형 설계를 통해 다른 토카막에 적용할 수 있을 것으로 예상하고 있다.

[원문 보기](https://ledge.ai/articles/pacman_ai_fusion_control) | 출처: Ledge.ai