La IA puede predecir y prevenir inestabilidades en reacciones de fusión

Desde que el concepto de fusión nuclear se comprendió hace casi un siglo, ingenieros y científicos han buscado formas de crearla y aprovecharla. Después de todo, una vez que logremos la fusión nuclear a escala industrial, podría ofrecer energía asequible, segura, no contaminante y prácticamente ilimitada para satisfacer la creciente demanda.

¿Qué es la fusión nuclear? Es un proceso en el que dos o más núcleos atómicos ligeros se unen para formar un solo núcleo atómico diferente y más pesado, liberando enormes cantidades de energía. Curiosamente, las reacciones de fusión alimentan al sol y a las estrellas, haciendo posible la vida en la Tierra.

Sin embargo, fusionar dos átomos es bastante difícil, ya que requiere una enorme cantidad de presión y energía para que superen su repulsión mutua. El sol lo logra mediante su enorme atracción gravitatoria y las muy altas presiones en su núcleo.

Ahora, los investigadores están intentando construir sus propios reactores de fusión. Estas reacciones de fusión ocurren en plasma, un estado de la materia. El plasma, un gas caliente y cargado compuesto por electrones libres negativos y iones positivos, permite que la corriente eléctrica fluya a través de él.

Para replicar este proceso, los científicos utilizan plasma extremadamente caliente y magnetos súper fuertes. Sin embargo, el plasma sobrecalentado, altamente complejo y desordenado puede perder su estabilidad muy rápidamente y escapar de los fuertes campos magnéticos que lo confinan dentro del reactor de fusión con forma de dona, lo que generalmente indica la terminación de la reacción. Estos dispositivos con forma de dona se conocen como tokamaks.

Esto, por supuesto, representa un desafío crítico para desarrollar la fusión como una fuente de energía limpia e ilimitada. Sin embargo, un equipo de científicos de datos, ingenieros y físicos de la Universidad de Princeton y del Laboratorio de Física de Plasma de Princeton (PPPL) del Departamento de Energía de EE. UU. está utilizando inteligencia artificial (IA) para predecir la aparición de un problema específico del plasma en tiempo real y así evitarlo.

En la Instalación Nacional de Fusión DIII‑D de San Diego, que es una Oficina de Ciencia operada por General Atomics para el Departamento de Energía de EE. UU. (DOE), los investigadores realizaron sus experimentos y demostraron su modelo de IA, que mostró la capacidad de predecir posibles inestabilidades del plasma. Denominadas inestabilidades de modo de desgarro, estas pueden ser previstas por la IA con hasta 300 milisegundos de antelación. Para ponerlo en contexto, parpadeamos en un promedio de 100‑150 milisegundos, según investigadores de la UCL.

Aunque es una duración extremadamente corta, esto brinda suficiente tiempo para que el controlador de IA modifique parámetros operativos específicos y evite el desgarro dentro de las líneas del campo magnético del plasma que alteraría el equilibrio y potencialmente terminaría la reacción.

El modelo de IA se entrenó con datos de pruebas anteriores en lugar de utilizar información de modelos basados en la física. De esta manera, “la IA podría desarrollar una política de control final que apoyara un régimen de plasma estable y de alta potencia en tiempo real, en un reactor real”, dijo el líder del estudio, Egemen Kolemen, físico investigador del PPPL y profesor asociado de ingeniería mecánica y aeroespacial en el Andlinger Center for Energy and the Environment.

A diferencia de los enfoques actuales, esto permite un control más dinámico de una reacción de fusión y además proporciona una base para aprovechar la IA en la búsqueda de soluciones a un amplio conjunto de inestabilidades del plasma. Esto es crítico porque ha sido un desafío lograr una reacción de fusión constante durante mucho tiempo.

Haga clic aquí para aprender todo sobre la inversión en inteligencia artificial (IA).

El creciente uso de la IA en la investigación de fusión

Publicado en Nature, este estudio se centra en predecir y evitar las inestabilidades de desgarro antes de que aparezcan en el plasma. Esto lo diferencia de los enfoques anteriores, que, según Jaemin Seo, autor del estudio y profesor asistente de física en la Universidad Chung‑Ang de Corea del Sur, normalmente se han dedicado a mitigar o suprimir los efectos de estas inestabilidades después de que ocurren.

El equipo de Princeton abordó las inestabilidades de modo de desgarro, un tipo de perturbación donde las líneas del campo magnético no pueden contener plasmas que superan los 100 millones de grados Celsius, lo que conduce a la interrupción del plasma. Esto es más caliente que el centro del Sol. Según Seo:

“Las inestabilidades de modo de desgarro, una de las principales causas de la interrupción del plasma, solo se volverán más prominentes a medida que intentemos ejecutar reacciones de fusión a las altas potencias requeridas para producir suficiente energía, presentando un gran desafío que necesita ser resuelto.”

Dado que este tipo de inestabilidad puede formarse y luego obstaculizar la reacción de fusión en cuestión de milisegundos, los investigadores han recurrido a la IA por su capacidad de procesar rápidamente y actuar en respuesta a nuevos datos.

Sin embargo, no era la primera vez que se aprovechaba la IA en la investigación de fusión. De hecho, ha habido un interés creciente en el aprendizaje automático y la IA para evaluar la enorme cantidad de datos producidos en estos experimentos.

Al evaluar los datos de entrenamiento, la IA reconoce patrones y deriva principios a partir de ellos. Por ejemplo, Wendelstein 7‑X se ocupa de la detección en tiempo real del estado de equilibrio del plasma en stellarators, un dispositivo de plasma que depende de imanes externos para confinar el plasma.

Como dijeron Riccardo Betti, científico jefe en LLE, y Robert L. McCrory, profesor en los departamentos de Física y Astronomía y de Ingeniería Mecánica,

“Ahora contamos con una gran cantidad de datos experimentales que podemos aprovechar con aprendizaje automático para corregir sistemáticamente las simulaciones y guiar ajustes en tiempo real a los experimentos.”

Mientras tanto, en un estudio de 2021, Diogo Ferreira, profesor de sistemas de información en el Instituto Superior Técnico de la Universidad de Lisboa en Portugal, detalló tres usos diferentes de los modelos de IA, ML y DL para la investigación de fusión. Uno de sus modelos predice interrupciones en un plasma súper caliente, el segundo detecta anomalías en el plasma y el tercero se ocupa de representaciones visuales de los patrones de radiación del plasma.

Ahora, este último estudio, respaldado por la Oficina de Ciencias de Energía de Fusión del DOE y la Fundación Nacional de Investigación de Corea, está trabajando en prevenir la inestabilidad de desgarro del plasma de fusión con la ayuda del subcampo de aprendizaje automático (ML) llamado aprendizaje profundo por refuerzo (RL). El DOE también ha estado proporcionando apoyo financiero al MIT Plasma Science and Fusion Center para mejorar el acceso a datos de fusión.

Para construir un controlador de inteligencia artificial exitoso, el equipo de Princeton debe usar datos de pruebas realizadas en el pasado en el tokamak DIII‑D. Luego se creó una red neuronal profunda con la capacidad de predecir la posibilidad de una próxima inestabilidad de desgarro según las características del plasma en tiempo real.

Esto, según Azarakhsh Jalalvand, coautor del estudio y becario de investigación en el grupo de Kolemen, fue como enseñar a alguien a volar un avión; no se le entregaría “un juego de llaves y se le diría que lo intente lo mejor posible”, sino que “se le haría practicar en un simulador de vuelo muy complejo hasta que haya aprendido lo suficiente para probar la cosa real”.

El equipo luego entrenó un algoritmo de aprendizaje por refuerzo (RL) en su red neuronal, que puede probar diferentes estrategias para controlar el plasma. El algoritmo aprende mediante prueba y error dentro de la seguridad de un entorno simulado.

En lugar de enseñarle toda la compleja física de una reacción de fusión, el equipo solo le indicó al modelo de aprendizaje por refuerzo su objetivo, que era mantener una reacción de alta potencia y qué evitar, es decir, una inestabilidad de modo de desgarro y los controles que puede usar para lograr esos resultados. Con el tiempo, el modelo aprende la ruta óptima para alcanzar niveles altos de potencia mientras evita la penalización de la inestabilidad.

A medida que el modelo ejecutó innumerables experimentos de fusión simulados, el equipo observó y refinó sus acciones debido a que algunos cambios eran demasiado rápidos.

“Como humanos, arbitramos entre lo que la IA quiere hacer y lo que el tokamak puede acomodar.”

– SangKyeun Kim, coautor del estudio y científico investigador del PPPL

El equipo solo probó el controlador de IA durante un experimento de fusión real una vez que estuvieron seguros de sus capacidades. El controlador de IA entonces realizó cambios en tiempo real a ciertos parámetros del tokamak D‑III‑D, incluyendo la modificación de la forma del plasma y la intensidad de los haces que suministran energía a la reacción para evitar el inicio de la inestabilidad.

Una solución universal

Esta investigación más reciente, cuyos hallazgos se publicaron la semana pasada en Nature, presenta un enfoque activo en contraste con los enfoques “más pasivos” actuales para predecir inestabilidades con anticipación, lo que puede facilitar la ejecución de estas reacciones. Kim dijo:

“Ya no tenemos que esperar a que ocurran las inestabilidades y luego tomar una acción correctiva rápida antes de que el plasma se interrumpa.”

Este estudio es sin duda una prueba de concepto prometedora que muestra cómo la IA puede controlar eficazmente las reacciones de fusión. Sin embargo, los investigadores señalaron que el grupo de Kolemen ya está trabajando en varios pasos siguientes para avanzar en el campo de la investigación de fusión.

Así que, aunque existe “evidencia sólida” de que el controlador de IA funciona “bastante bien” en el tokamak DIII‑D, el objetivo ahora es obtener más evidencia del controlador en acción, contar con más datos que demuestren que también funciona en diferentes situaciones y luego expandirlo para que opere en otros tokamaks.

Pero eso no es todo. El modelo de IA actual utiliza solo un número limitado de diagnósticos que le permiten evitar un solo tipo específico de inestabilidad. Por lo tanto, los investigadores quieren proporcionar datos sobre otros tipos de inestabilidades, así como ofrecer acceso a más controles para que el controlador de IA realice ajustes. Así, el equipo pretende ampliar su algoritmo para manejar varios tipos de inestabilidades controlando muchos controles diferentes al mismo tiempo.

En este camino hacia la creación de controladores de IA más eficientes, el equipo espera que la IA tenga una mayor claridad y comprensión de las reacciones y la física de fusión y también nos enseñe más al respecto.

Haga clic aquí para aprender por qué 2023 fue el año de gran avance para la IA.

Empresas que trabajan en el campo de IA y reacción de fusión

Ahora, echemos un vistazo a algunos nombres destacados del sector:

#1. Google 

El gigante tecnológico tiene la mano en todo, y eso incluye la investigación de IA y la energía de fusión. Hace un par de años, DeepMind, respaldado por Google, anunció que había entrenado un sistema de IA para controlar el plasma dentro de un reactor de fusión nuclear. El AI Lab creó un sistema de IA de RL para controlar los imanes y cambiar el voltaje miles de veces por segundo.

La empresa, con un mercado de 1,75 billones de dólares, tiene sus acciones cotizando a 140,38 $, con un aumento del 3 % en lo que va del año. Google reportó ingresos (TTM) de 307,39 mil millones y tiene un BPA (TTM) de 5,80, una relación P/E (TTM) de 24,17 y un ROE (TTM) de 27,36 %.

#2. TAE Technologies

Anteriormente conocida como Tri Alpha Energy, la empresa con sede en California se centra en desarrollar tecnología de energía de fusión. TAE Technologies está actualmente actualizando su plataforma de fusión, Norman, a una máquina de sexta generación llamada Copernicus. Si todo avanza sin problemas, la empresa espera construir su primera planta de energía prototipo que podría conectarse a la red a principios de la década de 2030, y escalarla para desarrollar energía comercial “robusta y fiable” a lo largo de la década. La fusión, según su CEO Michl Binderbauer, nos llevaría a un “paradigma de abundancia”.

En 2022, Google y Chevron invirtieron en TAE Technologies como parte de la ronda de financiación de 250 millones de dólares de la empresa. Google ha estado asociado con TAE durante una década y le proporciona a la compañía IA y potencia computacional.

#3. ITER

El Reactor Experimental Termonuclear Internacional (ITER) es un megaprojecto internacional de investigación e ingeniería de fusión nuclear que ha estado avanzando su investigación y desarrollo de fusión con aprendizaje automático (ML) e IA.

“Los proyectos de Gran Ciencia como ITER ofrecen una gran cantidad de datos que son ideales para la IA. Nos brindan una oportunidad única para aprender, entrenar, extrapolar y aplicar estas habilidades en otros campos de la manufactura.”

– María Ortiz de Zúñiga, oficial técnico senior en Fusion for Energy

Conclusión

Como hemos comentado a lo largo de este artículo, AI tiene el potencial de transformar varios aspectos del camino de la fusión. Sin embargo, los avances recientes en tecnología han generado esperanzas de superar los desafíos de larga data que enfrenta esta industria. Al aprovechar la potencia computacional y las capacidades de reconocimiento de patrones de la inteligencia artificial, podemos acelerar el desarrollo de la energía de fusión y finalmente hacer realidad un futuro energético sostenible.