论文

Agentic第一阶段仿星器优化:有限β平衡的自主多目标搜索

Agentic Stage-One Stellarator Optimization: Autonomous Multi-Objective Search for Finite-Beta Equilibria

智能体系统Agent 架构与控制循环Agent Harness

摘要

阶段一的等离子体边界设计搜索三维磁体边界和固定边界MHD等势面,以满足在约束、磁场拓扑、力平衡、稳定性代理和几何形状方面的要求。这些规格没有提供验证有限β等势面的通用构造性映射。高质量的目标通常通过迭代数值优化开发,其结果取决于初始配置、活跃傅里叶分辨率、优先级和局部求解器预算。协调这个过程是计算成本和专家密集的,限制了设计吞吐量和生产可验证数据的能力。我们提出了一种证明概念的“智能”阶段一优化。一个有界语言模型代理诊断当前等势面并选择下一个局部优化实验,而确定性DESC执行拥有规定的轮廓、对称性、评价、求解器有效性和接受。在从一个扩展的有限β计划中,从五个输入到十九个输出,门合法配置的数量增加;Boyer-薛定谔均方根误差(QS RMS)从$2.39\times10^{-4}$减少到$1.07\times10^{-4}$,最大主曲率从$62.56$减少到$33.00\,\mathrm{m}^{-1}$。互补的长路径实现了$9.10\times$QS的减少,同时修复磁阱和曲率缺陷。系统还记录了每一步局部行动作为过渡证据,报告实验中产生了734个结构化的父-行动-结果记录。这些结果表明,智能外环控制可以维持有限β、多目标搜索并将重复优化转变为可扩展的改进等势面和可重复决策数据源。

Agentic第一阶段仿星器优化:有限β平衡的自主多目标搜索:论文配图
图1:智能体驱动的第一阶段数据构建循环。受约束的智能体选择可执行的父配置、傅里叶模态调度、目标规格和数值预算。DESC 在固定的物理约束下进行局部优化,随后确定性后处理记录物理指标、优化器响应、有效性和谱系。每次尝试都会更新配置集合及持久化的状态转移语料。