用颗粒给聚变等离子体供料：神经形态控制能否超越 Sigma-Delta 调制？

核聚变是一种前景广阔的清洁能源来源，其中氕和氚在托卡克中受磁场约束的等离子体中发生融合，释放能量。实现实用核聚变的关键挑战之一是控制等离子体密度，这需要通过以氕和氚形式向等离子体中添加燃料。颗粒喷注——将冻结燃料射入等离子体——用于实现此目标。由于颗粒喷注几乎在瞬间增加粒子密度，而等离子体动力学的时间尺度要慢得多，因此该问题具有混合性质，其中连续的等离子体动力学被离散的粒子脉冲中断。本文提出了该供料过程的形式混合模型，并提出了一种新的、受神经元启发的控制方法，将颗粒类比于脑中放电脉冲，形成类似脑部系统的神经形态控制器。神经形态控制器提供了一种轻量级解决方案，自然契合颗粒供料的混合特性。为进行比较，我们还发展了 Sigma-Delta 调制的混合模型，后者用于当前的托卡克中。对于神经形态控制器和 Sigma-Delta 调制，我们在核聚变中的该控制问题上提出了形式化分析结果。我们推导出明确的执行器和控制器参数约束，这对于控制器调谐至关重要，能够实现实际的稳定性保证。数值仿真比较了不同控制器变体，验证了理论结果。