越极端的条件对设备安全性要求越高，实验准备阶段的安全运行十分关键。“高温烘烤时设备能不能承受，比如金属受热膨胀在不在安全范围内，局部应力会不会过度集中等，这些都要密切关注。”刘晓龙说，过去依靠传感器测点关注异常，并基于数据进行调整，但温度测点分布非常有限，难以“地毯式”排查，如果有漏报，哪怕造成设备结构的微小损伤，都将对整个实验造成不可挽回的损失。

追求极限真空的过程中，全盘监测是保障安全的基础。“无论从准确度还是计算速度来说，过去神经网络算法等人工智能技术水平难以达到科学重器的要求。”刘晓龙说，但近些年来，机器学习、深度学习等不断成熟，有望对不同的实验环节进行“孪生”再现。

首次投入使用的数字孪生系统是在虚拟空间构建一个和物理实体完全一样的数字模型，实现对真空室烘烤过程的全方位实时精准监测。

模型建立之初，团队遇到最棘手的问题是数据不够。“烘烤过程一年仅运行约15天，对于机器学习需要的数据样本量来说，可谓是‘杯水车薪’。”刘晓龙坦言，手头只有少量真实数据。

凭借对仿真技术的扎实掌握，团队设计了一个仿真模型基于少量真实数据生成大量虚拟数据集，并通过数据清洗、校正、对模型进行修正等复杂的处理，获得足够量的高准确率虚拟数据，解决了模型训练的“草料”问题。

“有了数据之后，我们再去‘孪生’。”刘晓龙介绍，依托先进智能算法，团队创建的模型能够推导出各个点温度的规则，进而模拟出整个真空室的温度分布，使得虚拟与现实保持高度同步。通过三维渲染实现的可视化也让实验进程更易操控。

“这样我们对于真空室的掌握就可以达到全面精准了。”刘晓龙说。

温度“孪生”只是团队向人工智能系统迈出的“一小步”。刘晓龙告诉记者，后续还将开展应力、位移等不同参数的模拟，改变过去靠传感器实时探测只能获得“点位”数据的状况，通过数字孪生获取“无限”信号，并为下一步理论研究提供丰富的数据和资料。

谈及未来，刘晓龙表示，真空室温度的“孪生”只是“小试牛刀”。“中国环流三号”的目标是将受控核聚变反应研究透彻。为了助力这一目标的实现，数字孪生可以再造一个虚拟的聚变堆，与正在运行聚变堆相对应。