面向RFX-mod2实时控制的环形平衡神经网络代理模型及其FPGA实现

《IEEE Transactions on Nuclear Science》：Real-Time Toroidal Equilibrium Reconstruction for RFX-mod2 via Quantized Neural Network in FPGA

　　**摘要：**RFX-mod2将运行一套升级后的诊断与控制系统，该系统能够从更精确的等离子体实时重构中获益。特别是，在快速控制应用中，用环形平衡描述替代目前使用的圆柱近似是理想的，但作为参考的环形重构例程目前计算量过大，无法直接用于实时控制周期。本工作提出了一种用于反向场约束装置运行的环形平衡模型的神经网络代理，旨在作为未来实时环形磁扰动重构链的第一级。该网络近似地从径向坐标和平衡参数到环形磁场分量、极向磁场分量以及沙弗拉诺夫位移径向分布的参数解映射。首先采用多目标架构搜索来识别紧凑的浮点模型，随后结合异构精度分配进行量化感知训练，在保持精度的同时降低硬件成本。选定的量化模型通过hls4ml转换为现场可编程门阵列固件，并在Kria K26平台上完成综合与实现。最终选定的模型保持了接近浮点基线的精度，能够复现极向磁通面和理性面位置等导出量，并实现了单时钟周期的启动间隔。对一个评估21点径向网格的封装级设计进行后实现时序仿真表明，全扫描延迟约为300纳秒，远低于RFX-mod2控制周期的100微秒。