После того как Курчатовский институт запустил в 2021 году токамак Т-15МД, а «Росатом» начал подготовку к созданию прототипа термоядерного реактора ТРТ (токамак с реакторными технологиями) в Троицке, Россия начала процесс возвращения в число ведущих мировых держав, занимающихся термоядерными исследованиями и таким образом вносящих свой вклад в создание энергетики будущего, которая будет базироваться на неисчерпаемой, экологичной и «врожденно» безопасной энергии управляемого термоядерного синтеза. Однако, для того чтобы выйти на передовые позиции в этой сфере, строительства экспериментальных установок недостаточно.
Важнейшими направлениями развития термоядерных исследований являются создание цифровых двойников и математическое моделирование, и в мире на эти цели выделяются огромные ресурсы. Если Россия хочет играть на выигрыш в гонке за термояд, которая в последние годы неожиданно развернулась с небывалой интенсивностью, то необходимо преодолеть отставание и на математическом фронте. В преддверии проводимой в НИЯУ МИФИ ежегодной конференции «Лазерные, плазменные исследования и технологии — ЛаПлаз-2026» мы по совету ученых МИФИ решили обратиться к их коллеге с мировым опытом, который по случаю находился в это время в Москве. Эксперт МАГАТЭ Дмитрий Бородин, собеседник «Ъ-Науки», имеет большой опыт участия и руководства в международных научных проектах, связанных с термоядом, с токамаками JET, ITER и пр.
Проблема сложности
— Почему ITER настолько важен и исключителен?
— Термояд изменит мир так же или даже сильнее, чем его изменили авиация, автомобили, выход в космос или компьютеры. Недостаток энергии — отправная точка доброй половины мировых проблем: от голода и недостатка воды до бесконечных военных конфликтов за энергоресурсы. Но впервые в истории это изначально международный проект, причем соглашение ИТЭР еще и обеспечивает взаимообмен технологиями между участниками по принципу «все на все».
— Хорошо! И тогда наш первый вопрос по науке: термоядерные исследования идут уже около 70 лет, построено множество экспериментальных реакторов, на ваш взгляд, почему до сих пор не построен токамак, который отдавал бы энергию в электросеть?
— Потому что токамак (как и близкая альтернативная идея — стелларатор) — это сверхсложная комбинация технологий. У вас извне сверхпроводящие катушки, которые охлаждены чуть ли не до абсолютного нуля, а внутри, всего лишь в нескольких метрах, температура в десять раз больше, чем в центре Солнца,— 150 млн °C. У нас сверхмощные магнитные поля и потоки нейтронов, которые делают хрупкими и насыщают дефектами самые стойкие материалы, затемняют оптоволокна, которые необходимы для диагностики и управления, и т. д. Еще сложнее понимание физики внутри реактора, без которого невозможны выбор режима работы реактора и управление им. Но даже когда понятно, что надо делать в принципе, приходится искать материалы, которые выдерживают запредельные нагрузки теплового потока (при этом отвечая еще десяткам взаимопротиворечащих требований), сверхбыструю электронику или механику, решать тысячи частных физических и инженерных проблем. При этом, например, ремонт или замена стенки после ее активации в процессе работы реактора возможны только с помощью роботов, которые, однако, не имеют право ломаться десятки лет, несмотря на жесткие условия эксплуатации. То есть термояд — это набор очень сложных агрегатов, и при этом нет человека, который знал бы в деталях, как работает каждый из узлов системы.
— Как же тогда их строят?
— Естественно, руководители знают достаточно, чтобы организовывать этот процесс, но все равно в каждой конкретной области вам нужны специалисты, и это одна из причин, почему растет роль моделирования. Программы, которые у физиков принято называть «кодами», содержат конденсат знаний о физической системе, причем это готовый к практическому применению инструмент. Коды также несколько страхуют от возможных ошибок, связанных с человеческим фактором. Большинство людей с трудом учитывают даже два-три эффекта на уровне элементарного счета. Ученые, конечно, специально подготовлены и используют математический аппарат, но и для них правильный учет более пяти—семи противодействующих факторов, причем сложных, почти нереален, а их могут быть десятки, даже если говорить только о значимых. А для кода (программы) как раз это не проблема, более того, если выяснится, что что-то все-таки не учтено, можно это добавить и пересчитать — для всех случаев, включая те, что уже «на полке», но все еще актуальны.
Соединить коды в цепочку
— Использовать компьютеры для расчетов, мягко говоря, довольно старая идея…
— Но сейчас происходит своеобразная революция, переход на следующую ступень. Все больше людей верит, что моделирование может собрать все это воедино. Но для этого вам нужно не просто моделирование, не просто набор кодов, которые решают какой-то конкретный набор задач, вам нужно так называемое интегральное моделирование, которое связывает между собой эти отдельные программные пакеты.
Приведу близкий мне пример. В большей части объема токамака присутствуют, естественно, только ионы, то есть электроны и атомные ядра, это и есть плазма. Но на краю и на стенке у вас, естественно, есть нейтральные атомы и даже молекулы. Ионы ведут себя как магнитная жидкость — в одной логике, а нейтралы на краю активной зоны реактора ведут себя совсем по-другому, например, их не удерживает магнитное поле. Для тех и других есть коды, но их надо увязать между собой. Часть частиц попадают на стенку, проникают внутрь поверхности, эродируют ее — и это третья физика, точнее даже четвертая, потому что в узком так называемом дебайевском слое у самой поверхности все опять по-другому. Проблема сложных установок — именно в подобных переходах между разными масштабами и природой явлений, которых там, правда, не четыре упомянутых, а десятки. Но при этом то, что выйдет из стенки, запросто может критически влиять на самый центр плазмы, например, даже гомеопатическая примесь вольфрама, проникшая в ядро плазмы, способна вызвать коллапс разряда. И поэтому вам в идеале нужно создать цепочку из десятков программ, увязанных между собой. Притом что даже два больших кода увязать с собой — это уже очень непростая задача. А сделать единую систему, которая позволяла бы нанизать на нее всю серию кодов,— это, собственно, одна из грандиозных задач, которые решает ИТЭР.
— Но эта задача решается?
— Да, конечно, но небыстро и нелегко. Кстати, крупнейшие игроки в термояде — США, Евросоюз, Япония, КНР — делают и самостоятельные проекты в этой области, но обычно все равно в увязке с ИТЭР. Вообще, сегодня интегральное моделирование — одна из важнейших мировых тем и в других областях: например, для ускорителей известен базовый пакет ROOT из CERN, также помогающий интегрировать коды в единую систему. Но для проблем термоядерного управляемого синтеза это особенно важно, потому что в силу особой сложности, особой дороговизны и особой редкости экспериментальных установок, которые при этом получаются очень разными, встает задача экстраполировать данные с одной установки на другую, а это можно сделать только с помощью моделирования. Кстати, многие данные легче получать вообще на специализированных машинах (линейные симуляторы плазмы, пучковые эксперименты и т. п). Но тогда интерполяция этих данных на токамаки еще важнее.
Интегральное моделирование имеет совершенно особое значение, на него выделялись и выделяются огромные ресурсы. Это общемировая тенденция, причем долговременная. Расходы на моделирование по отношению к эксперименту непрерывно увеличиваются, и доходит до того, что они местами превышают расходы на (весьма дорогой!) эксперимент. Но, конечно, результаты моделирования ничего не стоят без их валидации измерениями. Все ведущие страны в области термояда, конечно, строят и экспериментальные установки.
Особые компьютеры для особых программ
— Для задач интеграции кодов, видимо, созданы особые пакеты программ?
— Да, созданы специальные информационные платформы. Например, для интегрального моделирования и анализа данных в проекте ITER была создана система IMAS — Integrated Modelling and Analysis Suite (платформа для интегрального моделирования и анализа). Я уже упоминал ROOT, аналог из CERN, ведь ускорители — это такая же громоздкая и сложная технология. Кстати, создатели IMAS, конечно, смотрели на тот же ROOT и другие наработки из разных областей. Но мы же говорим о разработках на переднем краю. IMAS постоянно меняется в процессе своего развития. Это уже готовый для использования, но при этом отнюдь не завершенный продукт. IMAS важен, но и он, на мой взгляд, лишь начало пути.
России, помимо строительства новых установок, тоже следует выделить очень серьезные ресурсы на моделирование. А также использовать все, что доступно через соглашение ИТЭР. Это был бы абсолютно правильный шаг, потому что без моделирования невозможно даже проектирование реакторов. Оно ведь должно опираться на результаты НИОКР, нужна научная база, на основании которой вы выбираете тип конструкции и конкретные детали, и все это теперь обычно делается на базе моделирования, причем многопараметрического — когда у вас не один, а очень много разных параметров и вы должны провести как бы скан по всему их набору, чтобы найти оптимум. Причем это как игра в бирюльки — потянул одну, упали все. Изменил материал стенки — меняй режимы работы, а это потянет за собой форму элементов конструкции, требования к системам нагрева, откачки и т. п., и т. д.
— Сложность вычислительных задач, видимо, порождает дополнительные требования к «железу» — к вычислительной технике?
— Естественно, растет требование к производительности, поэтому все расчеты, как правило, выполняются на суперкомпьютерах. А уж если вы берете весь интегральный комплекс программ, то производительность — один из главных «шоу стопперов». При этом если расчеты занимают день, то это уже определяет режим работы исследователя: он уже не может через секунду посмотреть, а что же получилось. Он должен сформировать свою задачу, послать на счет, дождаться, пока она пройдет очередь, потом получить результат, понять его и т. д. Если этот процесс занимает месяц, это требует от расчетчика очень высокой степени самодисциплины. А если расчет занимает год, то я, если честно, просто не особо верю таким результатам.
— Почему?
— Потому что у всех людей есть какие-то дедлайны, и если человек, который заметил в своем расчете ошибку, знает, что ему нужен примерно год на то, чтобы все пересчитать, то я с трудом верю, что он это и правда сделает. Поэтому время расчета имеет принципиальное значение.
К этому добавляется еще и специфика работы на токамаках. Работа на них идет как в фильме «Девять дней одного года», в чем-то мало что изменилось: разряды «стреляют» десятки раз в день, один выстрел, второй выстрел, третий... Поэтому на каждом токамаке существует система обработки данных и их первичного анализа, которая должна работать за какое-то разумное время, соответствующее времени между разрядами. На JET это было пять минут, и это был очень большой вызов для вычислительной системы, ведь за это время нужно было успеть собрать данные, обработать, дать хотя бы первичный результат. Ведь люди уже через 10–20 минут должны быть готовы к следующему разряду, а им же обычно надо еще успеть осознать ситуацию и изменить настройки. Это как прогноз погоды на завтра (они тоже требуют суперкомпьютеров) — если счет будет слишком долгим, то он уже никому не нужен.
Один «выстрел» европейского токамака JET стоил десятки тысяч евро, по самым скромным оценкам. Но еще важнее, что, если у вас на весь мир только одна установка, которая позволяет работать с тритием (продолжительное время это был только JET, да и он работал с тритием только три недолгие кампании — в 1997 году, а также в 2020–2021 и 2023 годах) и имеет размер, хоть как-то сопоставимый с ИТЭР, и может провести в день 30 «выстрелов», то представьте себе, какая конкуренция была между учеными за право провести эксперимент! Да за каждый разряд!.. А ведь для полноценного эксперимента обычно требуются десятки разрядов. На ИТЭР требования к производительности только возрастут.
Помогут ли нейросети?
— Могут ли ученым для решения этих задач помочь технологии искусственного интеллекта?
— И напрямую, но еще сильнее косвенно. Мне кажется, появление ИИ стало одной из причин возвращения интереса к теме управляемого термоядерного синтеза, от которого за последние 50 лет несколько подустали: «ах, у вас вечно все через 30 лет». Но вот последние годы идет новая волна интереса, какой на моей памяти еще не было. За последние три-четыре года появилось очень много стартапов в области коммерческого термояда, только в Европе появилось 15 больших новых частных компаний, которые пытаются заниматься термоядерными разработками на коммерческой основе и получают под эти проекты огромные деньги. Это говорит о том, что бизнес реально поверил в то, что термояд возможен. Большое внимание вызывает первый частный токамак мирового масштаба с рекордным магнитным полем в 12 Тесла — SPARC (CША) с плановым пуском в 2026 году. Да и на уровне государств тоже продолжаются огромные вложения. Сразу несколько стран уже объявили о планах по строительству прототипов реальных электростанций — и это не пустые заявления. Это конкретные проекты, в разработку которых уже вложены сотни миллионов евро: EU-DEMO (ЕС), STEP (Великобритания), СFETR (КНР). Кстати, последние в списке еще вполне могут стать первыми. Особенно учитывая, что КНР уже в процессе строительства промежуточного BEST, который, очень возможно, еще до ИТЭР первым продемонстрирует «горящую плазму».
— У вас есть объяснение, откуда этот взрыв интереса, ведь термоядом занимаются едва ли не с середины ХХ века?
— Сегодня дело отчасти в том, что после некоторого разочарования в зеленой энергетике люди схватились за следующую соломинку. Но сейчас, может быть, самым главным фактором является именно ИИ. В настоящее время проектируютcя гигантские дата-центры — рабочие лошадки для ИИ будущего. Очень известные люди вроде Илона Маска и Джеффа Безоса проектируют свои гигантские дата-центры и в центре проекта помещают именно термоядерный реактор, потому что это единственный источник энергии, который может быть достаточно компактным, надежным, независимым от топлива, который способен это дело «прокормить». Мне кажется, это одна из серьезных причин ренессанса интереса к теме.
С другой стороны, ИИ может выступать важным помощником, почти что одним из ключей для такого сложного моделирования, о котором я говорил. ИИ и правда открывает фантастические новые возможности. Но есть и издержки. Стала популярной идея, что вместо того, чтобы считать при помощи кода, который основан на физике, нужно использовать нейросети. Многие люди идут по этому пути, потому что думают, что он очень легкий.
— А он вовсе не легкий?
— На таком уровне технологической сложности не бывает ничего легкого. Идея отличная, но нельзя забывать, что нейронная сеть не может знать больше, чем то, чему ее обучили. Нейронная сеть опирается на просчитанный или промеренный массив данных, и она его действительно фантастически хорошо и быстро интерполирует, но это же не чудесная коробочка, не магический хрустальный шар, который вещает правду...
— Но какие-то задачи нейросети все-таки могут решать?
— Приведу пример, который показывает «блеск и нищету» этого подхода. Одно из больных мест токамаков — это так называемые дисрапшены, срывы плазмы, которые имеют огромную разрушительную силу (речь идет о целостности самой машины, никаких «чернобылей» в термояде быть не может — это его врожденное достоинство). Есть механизмы подавления дисрапшенов, например, с помощью напуска газа или криогенных пеллетов можно «смягчить» дисрапшен, чтобы он не убил машину, если вы успеете вовремя выстрелить этим самым пеллетом. Для этого, естественно, очень важен механизм предсказания, что вот-вот будет дисрапшен, вы же должны знать, когда стрелять — речь идет о долях секунды. Предсказания сегодня почти всегда основаны именно на нейронных сетях. Только они позволяют уложится в «норматив» по времени при сложности задачи — по куче разных сигналов надежно предсказать дисрапшен. Но есть проблема в применении этих нейросетей на новых установках. Для JET, который работал 40 лет, у нас был накопленный материал «выстрелов», на нем обучили нейросеть, и она с вероятностью 97% предсказывает, что вот-вот будет дисрапшен. Но что вы будете делать с ИТЭР — новым реактором, по которому у вас нет экспериментального материала для обучения, а первый же дисрапшен теоретически может убить машину?.. И не во всех случаях ответ с точностью в 97% хороший, иногда вас устраивает только стопроцентный ответ. Нельзя забывать про физику: нейросети — отличный помощник, но никак не замена! Тем не менее нейронные сети — это новое слово в моделировании, которое решает очень много проблем, и их, безусловно, нужно использовать. При этом популярность нейросетей порождает интерес к другим темам, например, это толкает развитие суперкомпьютеров в сторону гибридных архитектур, которые содержат графические карты, потому что нейронные сети очень хорошо адаптируются именно на них. Хотя и прямое использований графкарт (GPU) для счета тоже в тренде: они дают огромный рост производительности. Правда, коды для этого приходится чуть ли не переписывать.
Навстречу будущему
— В МИФИ как раз собираются открывать лабораторию, которая будет заниматься моделированием термоядерных процессов…
— Это очень интересное начинание, потому что высокая математическая культура, накопленный опыт, кадры и сильная традиция в образовании — козырные карты российского термояда. Кафедра физики плазмы МИФИ известна в мире своими экспериментальными работами по первой стенке реакторов УТС, материалам и диагностикам. Но были и теоретические работы и моделирование. Я постоянно вижу их статьи и выступления на конференциях. Выпускники кафедры работают по всему миру, я знаю многих из них. Я думаю, это отличная точка для развития. Кроме того, МИФИ — университет, а это значит, что будет приток молодых выпускников; это довольно открытая (по сравнению с «Росатомом») организация, что упростит в том числе международное сотрудничество, что особенно важно именно для моделирования.
Вследствие кризиса, связанного с развалом Советского Союза, строительство реакторов десятилетиями страдало от недофинансирования, и Россия отстала. Причем это не просто «минус 20 лет». Все хуже — то, что строилось до, уже устарело, а новое труднее строить, потому что за 20 лет подзабыли как. Очень хорошо, что Россия сейчас начала снова строить установки, но все же придется пройти непростой путь, чтобы вернуться в лидеры гонки. Что же касается моделирования, то в этом можно сделать этот самый «камбэк» гораздо быстрее, хотя это в любом случае вопрос вложенных ресурсов при правильной организации. Моделирование, конечно, тоже требует перехода от этапа к этапу, но строительство установок по 10–20 лет каждая плюс десятки лет экспериментов и анализа сильно сдерживают скорость роста, а в моделировании с этим проще: будут ресурсы и воля, можно и ускориться. При этом развитие проектов по моделированию не только не мешает строительству новых реакторов, а как раз очень сильно ему поможет — ускоряется дизайн, быстрее и лучше планируются и интерпретируются эксперименты.
— А можно ли использовать те наработки, которые сделаны в интегральном моделировании в других сферах за пределами термоядерной энергетики?
— Многие идеи пришли в термоядерную сферу, например, из нейтроники или с ускорителей, а также из химии. И конечно же, очень много идей из термояда также куда-то ушло. Но это можно делать на гораздо более серьезном уровне. Потому что термояд — один из самых дорогих проектов в истории. Здесь сконцентрированы огромные ресурсы и решаются задачи по увязке между собой различных кодов, то есть это уникальная ситуация, практически ни с чем не сравнимая. И если у вас здесь накоплены наработки, как увязывать между собой самые различные коды, которые работают на разных физиках, на разных масштабах и т. д., то, конечно же, этот опыт потом можно распространить и на другие приложения в физике, и никто не мешает помечтать о том, что это можно применить и к экономике, и к логистике и т. д. Многие применяемые в термоядерном моделировании методы, например метод Монте-Карло, которым я много лет занимаюсь, работают везде, даже в биологии и социологии. И прогресс, который был достигнут в области управляемого термояда, надо конвертировать в приложения для других областей, где просто нет таких ресурсов, чтобы сделать аналогичную системную основу. На первый ход, правда, логично взять близкие приложения, например так называемую низкотемпературную плазму, очень активно использующуюся в индустрии. Логично применить коды из термояда для плазменных космических двигателей или плазмохимии. Но еще раз — область применения полезных наработок из термояда ничем не ограничена.
— Раньше говорили, что война — двигатель прогресса. Но в термояд тоже накачали ресурсы, как в небольшую войну!
— Да, но только вложения в осуществление мечты человечества об изобилии безопасной энергии не вызывают вопросов о морали — это однозначно хорошее дело.
Кстати, работа на токамаке часто организована в виде так называемых Task Force. Это вообще-то военный термин, по-русски — «оперативная группа». Термин пришел из военно-морской сферы. Если вы хотите отправить ваш флот штурмовать какую-то крепость, то нужно сформировать группу кораблей, которая на время забыла, что у каждого из них есть порт приписки, есть отпуска, больничные, детские сады, профилактические ремонты. Мы на время это все оставили дома, собрали с каждого из наших флотов по пять кораблей, и вот они сейчас заняты только тем, что что-то штурмуют. То же самое происходит и с токамаками, потому что управление происходит в зале, который весьма напоминает Центр управления космическими полетами. Там сидят различные специалисты, и это смена. Она должна быть на месте, причем вовремя. И люди должны исполнять довольно рутинные обязанности. То есть они на время частично забыли о том, что они ученые, что у них есть лекции, какие-то свои интересы и т. д. В данный момент человек, который сидит вахту,— это, например, спектроскопист. Он должен отсидеть свою вахту ради общего дела. Его цель — хорошо записать соответствующие сигналы, очень вероятно, с неинтересного ему самому эксперимента. Организация почти военная. И это механизм, который можно распространить на любые научные проекты, требующие мобилизации ресурсов, когда у вас большие страны или группы стран и вам нужно набрать смену из специалистов, которые приедут на научную установку за тысячи километров. Я думаю, что это опыт, который очень интересен для России, учитывая ее масштабы. И я уверен, что этот опыт можно распространять из термоядерного синтеза и на другие похожие проекты.
Кстати, организовать в оперативные группы расчетчиков — давняя идея, но пока не совсем успешно реализованная: есть некоторые сложные моменты по сравнению с экспериментами. Но попытки не прекращаются. Вот в этом вопросе впереди, я бы сказал, европейцы. Они первыми осознали как ключевую проблему барьер в понимании, можно сказать в менталитете, между физиками-расчетчиками и ИТ-специалистами. Поэтому начали создавать смешанные группы на базе суперкомпьютерных центров или тех же Task Force. Опыт показал, что работает только прямое участие. Обучение, советы и прочее — что мертвому припарки. Но это тема для отдельного разговора.
Физики vs программисты
— А я как раз хотел спросить: если так важны компьютеры, данные, программы, то не лучше ли, чтобы этой задачей занялись скорее ИТ-специалисты?
— Нет и еще раз нет! При всем уважении к коллегам из ИТ, у руля в таком деле должны быть именно физики, занимающиеся практическими приложениями. А вот поддержка и даже участие ИТ-специалистов — да, буквально необходимость.
Нет ни малейшего сомнения, что код, написанный айтишниками, будет в сто раз чище, лучше структурирован и документирован, правильнее организован и т. п. Конечно, люди, которые сами создают новые архитектуры суперкомпьютеров, несравненно лучше их понимают, чем физики, между делом пытающиеся это освоить. И при этом такой код будет совершенно бесполезен. Наука — процесс творческий. Не получится заменить художника или даже фотографа самым лучшим специалистом по компьютерной графике. Физик ищет ошибку в программе не как программист, точнее не только как он. Физик нарисует траекторию частицы, распределение какой-нибудь функции и как очевидное увидит то, что еще долго придется объяснять компьютерщику. При создании кодов все-таки важнее понимать, что надо писать, а не как это делать. Но я сам сказал, что еще лучше смешанная группа, а для нового уровня задач, такого как интегральное моделирование термояда, «лучше», пожалуй, превращается в «необходимо».
Но для начала нужны просто точки роста: сильные научные группы по моделированию, новые коды мирового уровня, инфраструктура (суперкомпьютеры и т. п.). Такие группы в России есть, но их, насколько я могу судить, пока немного, особенно для такой мощной страны. Если в МИФИ решили этим заняться, то я могу только пожелать коллегам успеха!