Maîtriser la fusion avec l'IA pour libérer une énergie propre infinie

Avec l’épuisement rapide des combustibles fossiles et l’aggravation du changement climatique, nous nous trouvons dans une situation critique. besoin d'énergie propre. 

Bien que les sources d’énergie renouvelables offrent une alternative prometteuse, elles ont leurs propre globaux en fonction de Les limites du stockage d'énergie, la complexité de l'intégration au réseau, les coûts initiaux élevés et le caractère intermittent de certaines sources comme le solaire et l'éolien. De plus, l'utilisation des terres, les obstacles politiques et la nécessité d'infrastructures robustes constituent également des obstacles importants. 

Ce C’est là que l’énergie nucléaire peut changer la donne. L'énergie nucléaire est une forme d'énergie libérée par le noyau, qui est le noyau central chargé positivement des atomes, composé de protons et de neutrons. 

Selon l’Agence internationale de l’énergie (AIE), l’énergie nucléaire représente environ 10% de la production d’électricité à l’échelle mondiale. 

Mais malgré sa capacité à produire de l'énergie sans émissions, les coûts initiaux élevés, les longs délais de livraison et un faible taux de livraison à temps limitent l'adoption de l'énergie nucléaire, a noté le rapport. AIE. Cependant, un nouvel élan à travers le monde a le potentiel d’ouvrir une nouvelle ère pour l’énergie nucléaire avec des réacteurs qui commenceront à fonctionner commercialement en Chine, en Europe, en Inde, au Japon et en Corée.

Il existe désormais deux manières de produire cette source d’énergie :

• Fusion
• Fission

La fission se produit lorsque les noyaux d'atomes lourds sont divisés en noyaux plus petits. La fusion se produit lorsque les noyaux d'atomes plus légers fusionnent pour former un noyau plus lourd. Ces deux phénomènes libèrent d'énormes quantités d'énergie.

Alors que seule la fission est actuellement utilisée à grande échelle pour la production d’électricité, nous nous concentrons aujourd’hui sur la fusion nucléaire.

Encore en phase de recherche et développement, la fusion nucléaire Elle contribue très peu à la production énergétique mondiale, bien qu'elle recèle un immense potentiel pour l'avenir. Elle figure même parmi les sources d'énergie les plus respectueuses de l'environnement, car son processus ne produit ni dioxyde de carbone ni autres émissions nocives.

L'électricité zéro carbone issue des centrales à fusion peut également être produite en continu, quelles que soient les conditions météorologiques et le temps. Contrairement à la fission, la fusion ne provoque ni fusions potentiellement catastrophiques ni déchets nucléaires radioactifs à long terme.

Non seulement la fusion ne contribue pas à émissions de gaz à effet de serre (GES), ses deux principales sources de carburant, l’hydrogène (pour le deutérium) et le lithium (pour le tritium), sont également largement disponibles.

Dans ce contexte, la fusion nucléaire devrait pour répondre aux besoins énergétiques de l’humanité pendant des millions d’années, et les pays du monde entier travaillent activement à faire de ce projet une réalité. 

Obstacles entre la vision et la réalité de l'énergie nucléaire

C'est en 1915 que le concept de fusion nucléaire a été proposé pour la première fois par le chimiste américain William Draper Harkins. Mais nous n’y sommes pas encore parvenus de manière significative. 

Les réactions de fusion constituent en réalité la source d'énergie fondamentale des étoiles, y compris de cette boule géante de gaz chaud qu'est le Soleil. C'est ce processus appelé fusion thermonucléaire qui maintient le Soleil et les étoiles brillants depuis des millions d'années.

Dans la fusion thermonucléaire, les noyaux atomiques se combinent à des températures extrêmement élevées, de dix à cent millions de degrés centigrades, ce qui fournit suffisamment d'énergie pour surmonter la répulsion électrique mutuelle de deux noyaux. Ils fusionnent ensuite pour former un seul noyau et libèrent une énergie importante.

L'immense force gravitationnelle du Soleil joue ici un rôle essentiel, car elle produit une pression et une chaleur extrêmes, ainsi que les conditions nécessaires à la fusion. Sans gravité, le Soleil ne serait pas suffisamment chaud et dense pour permettre la fusion. 

Pour créer une fusion nucléaire sur Terre sans écraser les niveaux de gravité, il faut placer des isotopes légers dans un réacteur, puis les chauffer à des centaines de millions de degrés Celsius, ce qui les transforme en un « plasma » ionisé.

Le plasma est un gaz chargé composé d’ions positifs et d’électrons libres. Il fait extrêmement chaud et difficile à contrôler, ce qui nécessite une champ magnétique pour l'empêcher de s'échapper.

Les scientifiques ont pu régulièrement réunir les conditions nécessaires à la fusion nucléaire, mais la stabilité du plasma et l'amélioration des propriétés de confinement restent à accomplir. être atteint pour maintenir la réaction et produire de l'énergie de manière soutenue.

Par exemple, fin 2022, une expérience de fusion de plusieurs milliards de dollars J'ai finalement réussi à obtenir un minuscule échantillon d'isotope pour libérer plus d'énergie que l'énergie laser utilisée pour l'allumer, mais cela n'a duré qu'environ un dixième de nanoseconde.

La fusion nucléaire est donc un processus très complexe, nécessitant des conditions extrêmes de températures élevées et de pression intense.

Ensuite, il faut stabiliser le plasma, l'empêcher de toucher les parois du réacteur et minimiser Les pertes de chaleur rendent difficile le maintien de la réaction. En termes d'ingénierie, nous avons besoin d'aimants supraconducteurs puissants et de grande taille pour confiner le plasma dans les tokamaks, un type courant de réacteur à fusion en forme de beignet, et de systèmes de vide avancés pour atteindre et maintenir des pressions extrêmement basses.

De plus, nous avons besoin de matériaux capables de résister à des températures élevées, à des flux de chaleur importants et à un rayonnement neutronique intense. Pour relever ces défis, les scientifiques se tournent vers l’intelligence artificielle (IA). 

L'IA joue un rôle de plus en plus vital pour accélérer la recherche et le développement en fusion nucléaire. En exploitant l'apprentissage automatique et d'autres algorithmes d'IA, les chercheurs optimisent la conception des réacteurs, détectent et corrigent les erreurs de mesure fondamentales, accélèrent la découverte de matériaux, prédisent et préviennent les perturbations du plasma, contrôlent l'état du plasma et améliorent l'efficacité et la stabilité des réactions de fusion.

En gérant de vastes quantités de données complexes et la relation complexe entre les différentes facettes du processus de fusion, l’IA peut encore améliorer notre compréhension de celui-ci, accélérer le développement de nouvelles conceptions de réacteurs et réduire considérablement les délais de développement, ouvrant la voie à la commercialisation de l’énergie nucléaire.

L'IA aide à surmonter les obstacles physiques de la fusion

L’IA transforme rapidement les industries, y compris le secteur de l’énergie, où elle contribue à résoudre la crise énergétique mondiale en parvenant à une énergie nucléaire sans carbone et illimitée. 

À cet égard, Google DeepMind a utilisé apprentissage par renforcement profond (RL) pour contrôler avec succès le plasma¹ dans un tokamak et le sculpter avec précision en différentes formes. Pour développer le système RL, ils ont collaboré avec le Centre suisse du plasma de l'EPFL. Le système découvre de manière autonome comment contrôler les bobines magnétiques entourant un tokamak et y contenir le plasma.

L'année dernière, la société a également lancé un simulateur de plasma appelé TORAX², qui modélise le « cœur » du plasma et prévoit ensuite les changements de température, de densité et de courant électrique. 

Plus tôt l'année dernière, une équipe de l'Université de Princeton a également utilisé l'apprentissage par renforcement pour prédire les principales perturbations du plasma de fusion jusqu'à 300 millisecondes avant leur apparition. Appelées « instabilités en mode de déchirure », elles se produisent lorsque les lignes de champ magnétique du plasma se rompent, lui permettant de s'échapper et stoppant ainsi le processus de fusion. 

Ces instabilités devraient « devenir encore plus importantes à mesure que nous tenterons de réaliser des réactions de fusion aux puissances élevées requises pour produire suffisamment d'énergie », a déclaré Jaemin Seo, premier auteur et professeur adjoint de physique à l'université Chung-Ang de Corée du Sud. « Il s'agit d'un défi important à relever. »

Leur modèle d'IA prédit à l'avance les instabilités potentielles du mode de déchirure³ et modifie ensuite certains paramètres de fonctionnement pour éviter la déchirure des lignes de champ magnétique du plasma.

Le modèle, entraîné à partir de données expérimentales antérieures, se voit attribuer un objectif : maintenir une réaction de forte intensité, ainsi que des conditions à éviter, comme l'instabilité du mode de déchirure, et les paramètres qu'il peut utiliser pour atteindre ces résultats. Au fil du temps, le modèle d'IA « apprend la voie optimale » pour maintenir l'objectif de forte intensité tout en évitant l'instabilité.

« En tirant les leçons des expériences passées, plutôt qu'en intégrant des informations provenant de modèles basés sur la physique, l'IA pourrait développer une politique de contrôle final qui prendrait en charge un régime de plasma stable et de haute puissance en temps réel, dans un réacteur réel. »

– Directeur de recherche Egemen Kolemen

Alors que le modèle effectuait d’innombrables expériences de fusion simulées pour trouver des voies, en arrière-plan, l’équipe observait ses « intentions » et affinait ses actions, agissant comme un arbitre « entre ce que l’IA veut faire et ce que le tokamak peut accueillir ».

L'équipe d'ingénieurs, de physiciens et de scientifiques des données a testé et démontré son modèle dans des expériences au DIII-D National Fusion Facility à San Diego.

Puis, plus tôt cette année, un article de recherche intitulé «Prédiction des performances et de la turbulence dans les plasmas en combustion d'ITER via la prédiction du profil gyrocinétique non linéaire"⁴ a été publié par Nathan Howard, chercheur principal au MIT Plasma Science and Fusion Center (PSFC).

Howard et son équipe ont utilisé le ML et des simulations pour prédire le comportement du plasma dans un dispositif de fusion. 

« Dans l'article, ils expliquent que les simulations à haute résolution de la turbulence confirment que le tokamak ITER, le plus grand dispositif de fusion expérimental au monde actuellement en construction dans le sud de la France, fonctionnera comme prévu lorsqu'il commencera à fonctionner, ce qui n'aura pas lieu avant au moins 2035.

Pour vérifier le scénario, l'équipe a utilisé CGYRO, un programme qui prend du temps et qui applique un modèle complexe de physique du plasma à certaines conditions de fonctionnement afin de produire des simulations détaillées sur le comportement du plasma à différents endroits dans un dispositif de fusion.

Les simulations ont ensuite été exécutées via le framework PORTALS, qui prend les exécutions haute fidélité et utilise le ML pour construire un « substitut », un modèle qui « peut imiter les résultats des exécutions plus complexes, mais beaucoup plus rapidement ».

Les outils de modélisation haute fidélité comme PORTALS, ont souligné les chercheurs, offrent « un aperçu du cœur du plasma avant même sa formation. Cette approche prédictive nous permet de créer des plasmas plus performants dans un dispositif comme ITER. »

L'équipe a également démontré différentes configurations d'exploitation où la même quantité d'énergie peut être produite mais avec moins d'apport énergétique.

Glissez pour faire défiler →

Cartographie des ombres de fusion avec HEAT-ML 

Une nouvelle approche de l’IA est désormais disponible utilisé pour protéger l'intérieur des réacteurs à fusion de la chaleur extrême du plasma. Cette nouvelle méthode accélère la vitesse des calculs. conditions pour trouver des « ombres magnétiques » dans les conteneurs de fusion.

Ces ombres sont des refuges sûrs qui sont protégés de la chaleur intense du plasma.

Le défi de la chaleur à l'intérieur du Tokamak

Comme expliqué précédemment, lorsque le plasma est confiné dans le tokamak grâce à des champs magnétiques, la chaleur qui en émane atteint une température encore plus élevée que celle du noyau solaire. Pour exploiter la fusion, cette chaleur doit être être contrôlé.

Selon Doménica Corona Rivera, physicienne chercheuse associée au Princeton Plasma Physics Laboratory (PPPL) :

Les composants du tokamak exposés au plasma pourraient entrer en contact avec le plasma, qui est très chaud et peut les faire fondre ou les endommager. Le pire serait de devoir interrompre les opérations.

Pour surmonter ce problème, les chercheurs utilisent une IA capable d’accélérer les calculs qui prédisent précisément où la chaleur frappera dans le tokamak.

En accélérant considérablement les calculs HEAT, le modèle permet la possibilité d'applications en temps réel pour les actions de protection et de contrôle des divertors.

Une collaboration pour stimuler l'innovation en matière de fusion

Un partenariat public-privé entre PPL, le laboratoire national d'Oak Ridge du département américain de l'énergie (DOE) et la société d'énergie de fusion Commonwealth Fusion Systems (CFS), qui est une spin-off du MIT et vise à construire une petite centrale à fusion basée sur la conception du tokamak ARC, a conduit à cette nouvelle approche de l'IA appelée HEAT-ML.

Le modèle de substitution basé sur le ML (HEAT-ML) est détaillé dans la dernière étude intitulée «Prédictions des masques d'ombre dans les composants plasma du tokamak SPARC à l'aide du code HEAT et des méthodes d'apprentissage automatique. »⁵

HEAT-ML vise à jeter les bases d'un logiciel permettant d'accélérer la conception des futurs systèmes de fusion, ainsi que de prévenir tout problème avant qu'il ne survienne en ajustant le plasma, permettant ainsi une bonne prise de décision.

« Cette recherche montre que vous pouvez prendre un code existant et créer un substitut d'IA qui accélérera votre capacité à obtenir des réponses utiles, et cela ouvre des perspectives intéressantes en termes de contrôle et de planification de scénarios. »

– Le co-auteur de l'article, Michael Churchill, qui est le responsable de l'ingénierie numérique chez PPPL.

Cartographie des ombres magnétiques pour protéger les matériaux

HEAT-ML a été spécifiquement conçu pour simuler une petite partie de SPARC.

SPARC est un tokamak actuellement développé par le CFS en collaboration avec le MIT PSFC. Sa mise en service est prévue l'année prochaine et vise à démontrer un gain énergétique net, en produisant plus d'énergie qu'il n'en consomme d'ici 2027.

Pour y parvenir, les chercheurs simulent l’impact de la chaleur sur l’intérieur de ce tokamak.

Un défi informatique de taille, que les chercheurs ont réussi à relever en se concentrant sur la section SPARC, là où l'intensité de l'échappement de chaleur du plasma rencontre la paroi matérielle. Il s'agit de 15 tuiles tout autour de la base de la machine, là où le système d'échappement sera le plus vulnérable à la chaleur.

Pour créer cette simulation, l’équipe a créé des masques d’ombre, qui sont des cartes 3D d’ombres magnétiques. Ces cartes sont des zones spécifiques sur les surfaces des composants internes d'un système de fusion qui sont protégés par la chaleur directe. Leur position dépend de la forme des pièces à l'intérieur du tokamak ainsi que de leur interaction avec les lignes de champ magnétique confinant le plasma.

Accélérer les simulations de quelques minutes à quelques millisecondes

Les masques d'ombre ont été calculés à l'origine en utilisant le programme informatique open source appelé CHALEUR, ou la boîte à outils d'analyse technique des flux thermiques.

Construit par Tom Looby de CFS en collaboration avec le chef de l'équipe de diagnostic SPARC, Matt Reinke, ce programme a été initialement appliqué au système d'échappement du tokamak sphérique de PPPL appelé National Spherical Torus Experiment-Upgrade machine (NSTX-U), qui est conçu être le plus puissant du monde.

Les chercheurs ont désormais utilisé l’apprentissage automatique pour compléter HEAT, en développant des modèles de substitution 3D pour des calculs rapides et précis de la charge thermique.

Le HEAT-ML obtenu suit les lignes de champ magnétique de la surface d'un composant pour voir si elles croisent d'autres pièces internes. Si la ligne croise effectivement, ce point est marqué comme une région ombragée ou une ombre magnétique.

Cependant, ce processus de traçage des lignes et de détection de leur intersection avec la géométrie 3D détaillée de la machine représentait un goulot d'étranglement important, qui pouvait prendre environ 30 minutes pour une seule simulation. Si les géométries impliquées étaient complexes, cela pouvait prendre encore plus de temps.

HEAT-ML a permis à l’équipe de surmonter cette restriction, accélérant les calculs à quelques millisecondes. 

Vers un contrôle en temps réel des centrales à fusion

Le modèle HEAT-ML utilise un réseau neuronal profond, une forme d'IA dotée de multiples couches cachées appliquées aux données pour apprendre des tâches spécifiques en reconnaissant des modèles. Dans ce cas, HEAT-ML a été entraîné sur environ 1,000 XNUMX simulations SPARC de HEAT afin d'identifier les zones d'ombre.

Parce qu'il est lié à la conception spécifique du système d'échappement de SPARC, HEAT-ML ne fonctionne que pour cette partie de ce tokamak particulier.

Actuellement, il s'agit d'un paramètre optionnel dans le code HEAT. L'équipe espère toutefois étendre les capacités de son modèle afin de généraliser les calculs de masque d'ombre à tous les systèmes d'échappement, quelles que soient leur taille et leur forme, ainsi qu'à d'autres composants du tokamak orientés vers le plasma.

Selon l'étude, l'échappement de puissance constitue un défi crucial pour la prochaine génération de dispositifs de fusion et nécessite des solutions innovantes en matière de conception et d'exploitation des divertors. L'étude souligne :

« L’objectif ultime est d’intégrer le modèle pour un contrôle en temps réel et des décisions opérationnelles futures. » 

Investir dans l'énergie nucléaire

Le géant de la technologie Microsoft Corporation (MSFT -0.63%) explore activement l'énergie nucléaire et ses accélération via l'IA, car elle estime qu'elle devrait faire partie d'un mélange de sources d'énergie sans carbone. 

Melanie Nakagawa, directrice du développement durable chez Microsoft, a qualifié la fusion de pari à plus long terme et a déclaré qu'au cours des dernières années, différents types d'étapes importantes ont été franchies. été touché par l’industrie qui a créé « beaucoup d’optimisme quant au fait que cela pourrait être le moment où la fusion pourrait réellement se concrétiser au cours de cette décennie, ou presque. »

Microsoft Corporation (MSFT -0.63%)

Pour ses objectifs de fusion, Microsoft a signé un accord révolutionnaire avec la startup privée de fusion Helion Energy en 2023. Conformément à l'accord, Helion fournira de l'énergie générée par fusion aux centres de données Microsoft d'ici 2028.

Également soutenu par la branche capital-risque de SoftBank et Sam Altman d'OpenAI, Helion a commencé cette année la construction de sa future centrale à fusion nucléaire appelée Orion., mais les permis définitifs n'ont pas encore été obtenus. 

Le prototype Polaris d'Helion travaille actuellement à trouver un moyen de générer plus d'énergie que ce qu'il faut pour créer et entretenir la réaction. Orion, quant à lui, selon son PDG, se connectera aux réseaux de distribution d'électricité.

En ce qui concerne la performance boursière de Microsoft, l'action de cette entreprise de 3.86 521 milliards de dollars de capitalisation boursière s'échange autour de 23.41 dollars, en hausse de 13.64 % depuis le début de l'année. Son BPA (sur 38.25 mois) s'élève à 0.64 et son PER (sur XNUMX mois) à XNUMX. Le rendement du dividende disponible est de XNUMX %.

Pour ce qui est de financières Pour le trimestre clos le 30 juin 2025, le chiffre d'affaires a progressé de 18 % à 76.4 milliards de dollars, le résultat d'exploitation a progressé de 23 % à 34.3 milliards de dollars et le résultat net a progressé de 24 % à 27.2 milliards de dollars. Le bénéfice par action dilué s'est quant à lui établi à 3.65 dollars, en hausse de 24 %.

« Le cloud et l’IA sont les moteurs de la transformation des entreprises dans tous les secteurs d’activité. »

– Le PDG Satya Nadella

Actualités Microsoft Corporation (MSFT) Actualités et développements boursiers

Conclusion

L'une des voies les plus prometteuses vers une énergie propre est la fusion, mais le chemin vers sa commercialisation est long et ardu. Pourtant, l'IA s'avère être l'accélérateur qui peut enfin transformer ce rêve séculaire en réalité, et ce, bien avant notre époque.

En utilisant des approches basées sur l'IA, les chercheurs s'efforcent de rendre les systèmes de fusion robustes et économiquement viables. De l'accélération de la recherche à la résolution des instabilités du plasma en passant par la protection des réacteurs, l'IA peut contribuer à alimenter le réseau électrique en énergie nucléaire et permettre à l'humanité d'accéder à une énergie illimitée.

Cliquez ici pour découvrir à quoi ressemblerait la quatrième génération d’énergie nucléaire.

Références:

1. Degrave, J., Felici, F., Buchli, J., et al. Contrôle magnétique des plasmas de tokamak par apprentissage par renforcement profond. Nature, 602(7897), 414–419, publié le 16 février 2022. https://doi.org/10.1038/s41586-021-04301-9
2. Citrin, J., Goodfellow, I., Raju, A., Chen, J., Degrave, J., Donner, C., Felici, F., Hamel, P., Huber, A., Nikulin, D., Pfau, D., Tracey, B., Riedmiller, M., & Kohli, P. TORAX : un simulateur de transport tokamak rapide et différentiable dans JAX. Préimpression arXiv arXiv:2406.06718, publié le 10 juin 2024, dernière révision le 7 décembre 2024. https://doi.org/10.48550/arXiv.2406.06718
3. Seo, J., Kim, S., Jalalvand, A., et al. Éviter l'instabilité de déchirure du plasma de fusion grâce à l'apprentissage par renforcement profond. Nature, 626(8001), 746–751, publié le 21 février 2024. https://doi.org/10.1038/s41586-024-07024-9
4. Howard, NT, Rodriguez-Fernandez, P., Holland, C., & Candy, J. Prédiction des performances et de la turbulence dans les plasmas brûlants d'ITER via la prédiction de profil gyrocinétique non linéaire. La fusion nucléaire, 65(1), 016002, publié le 11 novembre 2024. https://doi.org/10.1088/1741-4326/ad8804
5. Corona, D., Scotto d'Abusco, M., Churchill, M., Munaretto, S., Kleiner, A., Wingen, A., & Looby, T. Prédictions de masques d'ombre dans les composants plasma du tokamak SPARC à l'aide du code HEAT et des méthodes d'apprentissage automatique. Ingénierie et conception de fusion, 217, 115010, publié en août 2025. https://doi.org/10.1016/j.fusengdes.2025.115010