AI Dapat Memprediksi dan Mencegah Ketidakstabilan Reaksi Fusi

Sejak konsep fusi nuklir dipahami hampir satu abad yang lalu, dari insinyur hingga ilmuwan, semua orang telah mencari cara untuk menciptakan dan memanfaatkannya. Lagipula, begitu kita mencapai fusi nuklir pada skala industri, hal itu dapat menawarkan energi yang terjangkau, aman, tidak mencemari, dan hampir tak terbatas untuk memenuhi permintaan yang meningkat.

Apa itu fusi nuklir? Ini adalah proses di mana dua atau lebih inti atom ringan bergabung menjadi satu inti atom yang berbeda dan lebih berat, melepaskan sejumlah besar energi. Menariknya, reaksi fusi memberi tenaga pada matahari dan bintang-bintang, menjadikan kehidupan di Bumi mungkin.

Namun, menggabungkan dua atom cukup sulit, karena memerlukan tekanan dan energi yang sangat besar agar mereka dapat mengatasi tolakan timbal balik. Matahari melakukannya melalui tarikan gravitasi yang besar dan tekanan sangat tinggi di intinya.

Sekarang, para peneliti berusaha membangun reaktor fusi mereka sendiri. Reaksi fusi ini terjadi dalam plasma, sebuah keadaan materi. Plasma, gas panas yang terionisasi yang terdiri dari elektron negatif bebas dan ion positif, memungkinkan arus listrik mengalir melaluinya.

Untuk meniru proses ini, ilmuwan menggunakan plasma yang sangat panas dan magnet yang sangat kuat. Namun, plasma yang dipanaskan berlebih, sangat kompleks, dan tidak teratur dapat kehilangan stabilitasnya dengan sangat cepat dan meloloskan diri dari medan magnet kuat yang menahannya di dalam reaktor fusi berbentuk donat, biasanya menandakan penghentian reaksi. Perangkat berbentuk donat ini dikenal sebagai tokamak.

Hal ini, tentu saja, menjadi tantangan kritis dalam mengembangkan fusi sebagai sumber energi bersih dan tak terbatas. Namun, tim ilmuwan data, insinyur, dan fisikawan dari Universitas Princeton dan Laboratorium Fisika Plasma Princeton (PPPL) Departemen Energi AS memanfaatkan kecerdasan buatan (AI) untuk meramalkan pembentukan masalah plasma tertentu secara real‑time sehingga dapat dihindari.

Di Fasilitas Fusi Nasional DIII‑D di San Diego, yang merupakan fasilitas Office of Science yang dioperasikan oleh General Atomics untuk Departemen Energi AS (DOE), para peneliti melakukan eksperimen mereka dan mendemonstrasikan model AI mereka, yang terbukti dapat memprediksi potensi ketidakstabilan plasma. Disebut ketidakstabilan mode robek, ketidakstabilan ini dapat diprediksi oleh AI jauh sebelumnya hingga 300 milidetik. Sebagai perbandingan, kita berkedip rata‑rata 100–150 milidetik, menurut peneliti UCL.

Meskipun durasinya sangat singkat, hal ini memberikan cukup waktu bagi pengendali AI untuk mengubah parameter operasi tertentu guna mencegah robekan pada garis medan magnet plasma yang dapat mengganggu keseimbangan dan berpotensi menghentikan reaksi.

Model AI dilatih menggunakan data dari percobaan sebelumnya alih‑alih memanfaatkan informasi dari model berbasis fisika. Dengan cara ini, “AI dapat mengembangkan kebijakan kontrol akhir yang mendukung rezim plasma berdaya tinggi yang stabil secara real‑time, di reaktor nyata,” kata pemimpin studi Egemen Kolemen, yang merupakan fisikawan peneliti staf di PPPL sekaligus profesor associate teknik mesin dan dirgantara di Andlinger Center for Energy and the Environment.

Berbeda dengan pendekatan saat ini, hal ini memungkinkan kontrol yang lebih dinamis terhadap reaksi fusi dan selanjutnya menyediakan dasar untuk memanfaatkan AI dalam menemukan solusi bagi berbagai ketidakstabilan plasma. Ini penting karena selama ini menjadi tantangan dalam mencapai reaksi fusi yang konstan.

Klik di sini untuk mempelajari semua tentang berinvestasi dalam kecerdasan buatan (AI).

Penggunaan AI yang Semakin Besar dalam Penelitian Fusi

Dipublikasikan di Nature, studi ini berfokus pada prediksi dan pencegahan ketidakstabilan mode robek sebelum mereka muncul di plasma. Hal ini membuatnya berbeda dari pendekatan sebelumnya, yang menurut Jaemin Seo, penulis studi dan asisten profesor fisika di Universitas Chung‑Ang, Korea Selatan, biasanya bekerja untuk mengurangi atau menekan efek ketidakstabilan ini setelah terjadi. 

Tim Princeton menangani ketidakstabilan mode robek, jenis gangguan di mana garis medan magnet gagal menahan plasma yang melebihi 100 juta derajat Celsius, yang menyebabkan gangguan plasma. Ini lebih panas daripada inti Matahari. Menurut Seo:

“Ketidakstabilan mode robek, salah satu penyebab utama gangguan plasma, akan menjadi lebih menonjol ketika kita mencoba menjalankan reaksi fusi pada daya tinggi yang diperlukan untuk menghasilkan cukup energi, menghadirkan tantangan besar yang perlu dipecahkan.”

Mengingat jenis ketidakstabilan ini dapat terbentuk dan kemudian menggagalkan reaksi fusi dalam hitungan milidetik, para peneliti beralih ke AI karena kemampuannya memproses dan bertindak cepat terhadap data baru.

Namun, ini bukan kali pertama AI dimanfaatkan dalam penelitian fusi. Faktanya, ada minat yang semakin besar pada pembelajaran mesin dan AI untuk mengevaluasi sejumlah besar data yang dihasilkan dalam eksperimen ini. 

Dengan mengevaluasi data pelatihan, AI kemudian mengenali pola dan menurunkan prinsip darinya. Misalnya, Wendelstein 7‑X menangani deteksi langsung keadaan keseimbangan plasma dalam stellarator, sebuah perangkat plasma yang bergantung pada magnet eksternal untuk menahan plasma.

Seperti yang dikatakan Riccardo Betti, ilmuwan utama di LLE, dan Robert L. McCrory, Profesor di Departemen Fisika dan Astronomi serta Departemen Teknik Mesin,

“Sekarang kami memiliki banyak data eksperimental yang dapat kami manfaatkan dengan pembelajaran mesin untuk secara sistematis memperbaiki simulasi dan membimbing penyesuaian real‑time pada eksperimen.”

Sementara itu, dalam sebuah studi pada tahun 2021, Diogo Ferreira, profesor sistem informasi di Instituto Superior Técnico, Universitas Lisbon, Portugal, merinci tiga penggunaan berbeda untuk model AI, ML, dan DL dalam penelitian fusi. Salah satu modelnya memprediksi gangguan pada plasma super‑panas, yang kedua mendeteksi anomali dalam plasma, dan yang ketiga tentang representasi visual pola radiasi plasma.

Sekarang, studi terbaru ini, yang didukung oleh Office of Fusion Energy Sciences DOE dan National Research (NRC ) Foundation of Korea, sedang bekerja untuk mencegah ketidakstabilan robek plasma fusi dengan bantuan sub‑bidang pembelajaran mesin (ML) yaitu deep reinforcement learning (RL). DOE juga telah memberikan dukungan pendanaan kepada MIT Plasma Science and Fusion Center untuk meningkatkan akses ke data fusi.

Untuk membangun pengendali kecerdasan buatan yang berhasil, tim Princeton harus menggunakan data dari pengujian yang dilakukan sebelumnya di tokamak DIII‑D. Sebuah jaringan saraf dalam kemudian dibuat dengan kemampuan memprediksi kemungkinan terjadinya ketidakstabilan robek yang akan datang tergantung pada karakteristik plasma secara real‑time.

Menurut Azarakhsh Jalalvand, co‑author studi dan peneliti di kelompok Kolemen, hal ini seperti mengajari seseorang cara menerbangkan pesawat, yang tidak akan Anda “serahkan sekumpulan kunci dan menyuruh mereka mencoba sebaik mungkin,” melainkan, “Anda akan membuat mereka berlatih pada simulator penerbangan yang sangat rumit sampai mereka belajar cukup untuk mencoba hal yang sebenarnya.”

Tim kemudian melatih algoritma reinforcement learning (RL) pada jaringan saraf mereka, yang dapat mencoba berbagai strategi untuk mengendalikan plasma. Algoritma tersebut belajar melalui coba‑coba dalam keamanan lingkungan simulasi.

Alih‑alih mengajarkannya semua fisika kompleks dari reaksi fusi, tim hanya memberi tahu model reinforcement learning tujuan mereka, yaitu mempertahankan reaksi berdaya tinggi serta apa yang harus dihindari, yaitu ketidakstabilan mode robek dan kontrol yang dapat digunakannya untuk mencapai hasil tersebut. Kemudian, seiring waktu, model belajar jalur optimal untuk mencapai tingkat daya tinggi sambil menghindari konsekuensi ketidakstabilan.

Saat model menjalankan tak terhitung eksperimen fusi simulasi, tim mengamati dan menyempurnakan tindakannya karena beberapa perubahan terlalu cepat. 

“Sebagai manusia, kami menengahi antara apa yang AI ingin lakukan dan apa yang dapat ditampung oleh tokamak.”

– SangKyeun Kim, Co‑author of the study & staff research scientist at PPPL

Tim hanya menguji pengendali AI selama eksperimen fusi nyata setelah mereka yakin dengan kemampuannya. Pengendali AI kemudian melakukan perubahan real‑time pada parameter tertentu tokamak D‑III D, termasuk mengubah bentuk plasma dan kekuatan berkas yang memasukkan daya ke dalam reaksi untuk menghindari munculnya ketidakstabilan.

Solusi Universal

Penelitian terbaru ini, yang temuanannya dipublikasikan minggu lalu di Nature, menyajikan pendekatan aktif dibandingkan dengan pendekatan “lebih pasif” saat ini untuk memprediksi ketidakstabilan sebelumnya, yang dapat mempermudah menjalankan reaksi ini. Kim berkata:

“Kami tidak lagi harus menunggu ketidakstabilan terjadi dan kemudian mengambil tindakan korektif cepat sebelum plasma menjadi terganggu.”

Studi ini tentu merupakan bukti konsep yang menjanjikan yang menunjukkan betapa AI dapat secara efektif mengendalikan reaksi fusi. Namun, peneliti mencatat bahwa kelompok Kolemen sudah bekerja pada beberapa langkah selanjutnya untuk memajukan bidang penelitian fusi.

Jadi, meskipun ada “bukti kuat” bahwa pengendali AI bekerja “cukup baik” di tokamak DIII‑D, fokus kini adalah mendapatkan lebih banyak bukti pengendali dalam aksi, memiliki lebih banyak data bahwa ia juga berfungsi dalam situasi berbeda, dan kemudian memperluasnya untuk berfungsi di tokamak lain.

Namun, itu belum semuanya. Model AI saat ini hanya menggunakan sejumlah terbatas diagnostik yang memungkinkannya menghindari satu jenis ketidakstabilan tertentu. Oleh karena itu, peneliti ingin menyediakan data tentang jenis ketidakstabilan lain serta memberikan akses ke lebih banyak kontrol bagi pengendali AI untuk melakukan penyesuaian. Jadi, tim berupaya memperluas algoritmanya untuk menangani beberapa jenis ketidakstabilan dengan mengendalikan banyak kontrol secara bersamaan.

Di jalan menuju pembuatan pengendali AI yang lebih efisien, tim berharap AI akan memiliki kejelasan dan pemahaman yang lebih baik tentang reaksi fusi dan fisika serta mengajarkan lebih banyak hal kepada kami.

Klik di sini untuk mempelajari mengapa 2023 menjadi tahun terobosan bagi AI.

Perusahaan yang Bekerja di Bidang AI & Reaksi Fusi

Sekarang, mari kita lihat beberapa nama terkemuka di sektor ini:

#1. Google 

Raksasa teknologi ini terlibat dalam segala hal, termasuk penelitian AI dan energi fusi. Beberapa tahun lalu, DeepMind yang didukung Google mengumumkan bahwa mereka telah melatih sistem AI untuk mengendalikan plasma di dalam reaktor fusi nuklir. AI Lab menciptakan sistem AI RL untuk mengendalikan magnet dan mengubah tegangan ribuan kali setiap detik.

Perusahaan pasar senilai $1,75 triliun ini memiliki saham yang diperdagangkan pada $140,38, naik 3% sejak awal tahun. Google melaporkan pendapatan (TTM) sebesar 307,39 miliar dan memiliki EPS (TTM) 5,80, P/E (TTM) 24,17, serta ROE (TTM) 27,36%.

#2. TAE Technologies

Dulu dikenal sebagai Tri Alpha Energy, perusahaan berbasis California ini fokus pada pengembangan teknologi energi fusi. TAE Technologies saat ini sedang meningkatkan platform fusi mereka, Norman, menjadi mesin generasi keenam yang disebut Copernicus. Jika semuanya berjalan lancar, perusahaan berharap dapat membangun prototipe pembangkit listrik pertama yang dapat terhubung ke jaringan pada awal 2030-an, dan skala pengembangannya untuk menghasilkan tenaga komersial yang “kokoh dan dapat diandalkan” akan berlanjut sepanjang dekade. Fusi, menurut CEO-nya Michl Binderbauer, akan membawa kita ke “paradigma kelimpahan.”

Pada tahun 2022, Google dan Chevron (CVX ) berinvestasi di TAE Technologies sebagai bagian dari penggalangan dana $250 juta perusahaan. Google sebenarnya telah bermitra dengan TAE selama satu dekade dan menyediakan AI serta daya komputasi bagi perusahaan.

#3. ITER

International Thermonuclear Experimental Reactor adalah proyek mega penelitian dan rekayasa fusi nuklir internasional yang telah mengembangkan penelitian dan pengembangan fusi dengan ML dan AI.

“Proyek Big Science seperti ITER menawarkan banyak data yang ideal untuk AI. Mereka memberi kami kesempatan unik untuk belajar, melatih, mengekstrapolasi, dan menerapkan keterampilan ini di bidang manufaktur lainnya.”

– María Ortiz de Zúñiga, Senior Technical Officer at Fusion for Energy

Kesimpulan

Seperti yang kami bahas sepanjang artikel ini, AI memiliki potensi untuk mengubah berbagai aspek perjalanan fusi. Namun, kemajuan teknologi baru-baru ini menumbuhkan harapan untuk mengatasi tantangan lama yang dihadapi industri ini. Dengan memanfaatkan daya komputasi dan kemampuan pengenalan pola kecerdasan buatan, kita dapat mempercepat pengembangan tenaga fusi dan akhirnya mewujudkan masa depan energi berkelanjutan.