Menguasai Fusi dengan AI untuk Membuka Energi Bersih Tak Terbatas

Dengan bahan bakar fosil yang cepat habis dan perubahan iklim yang semakin memburuk, kita berada dalam kebutuhan akan energi bersih. 

Sementara sumber energi terbarukan menawarkan alternatif yang menjanjikan, mereka memiliki tantangan tersendiri dalam hal keterbatasan penyimpanan energi, kompleksitas integrasi jaringan, biaya awal yang tinggi, dan sifat intermiten beberapa sumber seperti tenaga surya dan angin. Selain itu, penggunaan lahan, hambatan kebijakan, dan kebutuhan akan infrastruktur yang kuat juga menjadi rintangan signifikan. 

Inilah tempat energi nuklir dapat mengubah permainan. Energi nuklir adalah bentuk energi yang dilepaskan dari inti, yang merupakan inti pusat bermuatan positif atom, terdiri dari proton dan neutron. 

Menurut Badan Energi Internasional (IEA), tenaga nuklir menyumbang sekitar 10% dari pembangkit listrik secara global. 

Namun meskipun kemampuannya menghasilkan tenaga bebas emisi, biaya awal yang besar, waktu tunggu yang lama, dan catatan buruk dalam pengiriman tepat waktu membatasi adopsi energi nuklir, catat IEA. Namun, momentum baru di seluruh dunia berpotensi membuka era baru bagi energi nuklir dengan reaktor yang akan memulai operasi komersial di China, Eropa, India, Jepang, dan Korea.

Sekarang, ada dua cara sumber energi ini dapat diproduksi:

• Fusi
• Fisi

Fisi adalah proses di mana inti atom berat dibelah menjadi yang lebih kecil. Fusi adalah proses di mana inti atom yang lebih ringan digabung menjadi satu yang lebih berat. Keduanya melepaskan jumlah energi yang sangat besar.

Meskipun hanya fisi yang saat ini digunakan secara besar-besaran untuk pembangkit listrik, hari ini, fokus kami adalah pada fusi nuklir.

Masih dalam fase riset dan pengembangan, fusi nuklir memberikan kontribusi sangat kecil terhadap produksi energi global, meskipun memiliki potensi besar untuk masa depan. Ini sebenarnya termasuk sumber energi yang paling ramah lingkungan, karena tidak ada karbon dioksida atau emisi berbahaya lainnya selama proses.

Listrik nol karbon dari pembangkit listrik fusi dapat mengalir terus-menerus, terlepas dari cuaca atau siang/malam. Tidak seperti fisi, fusi bahkan tidak menghasilkan meltdowns yang berpotensi bencana atau limbah radioaktif jangka panjang.

Tidak hanya fusi tidak berkontribusi pada emisi gas rumah kaca (GHG), dua sumber bahan bakar utamanya, hidrogen (untuk deuterium) dan litium (untuk tritium), juga tersedia secara luas.

Dengan latar belakang ini, fusi nuklir diperkirakan akan memenuhi kebutuhan energi umat manusia selama jutaan tahun, dan hal ini membuat negara-negara di seluruh dunia aktif bekerja untuk mewujudkannya. 

Hambatan Antara Visi Energi Nuklir dan Realitas

Pada tahun 1915 konsep fusi nuklir pertama kali diusulkan oleh ahli kimia Amerika William Draper Harkins. Namun kami belum berhasil mencapainya secara signifikan. 

Reaksi fusi sebenarnya merupakan sumber energi fundamental bintang-bintang, termasuk bola raksasa gas panas, Matahari. Proses yang disebut fusi termonuklir inilah yang membuat Matahari dan bintang-bintang bersinar selama jutaan tahun.

Dalam fusi termonuklir, inti atom bergabung pada suhu sangat tinggi, antara sepuluh hingga seratus juta derajat Celsius, yang menyediakan cukup energi untuk mengatasi tolakan listrik antar dua inti. Kemudian mereka bergabung menjadi satu inti dan melepaskan energi yang signifikan.

Gaya gravitasi besar Matahari memainkan peran kunci di sini, karena menghasilkan tekanan ekstrem, panas, dan kondisi untuk fusi. Tanpa gravitasi, Matahari tidak akan cukup panas dan padat untuk fusi terjadi. 

Sekarang, untuk menciptakan fusi nuklir di Bumi tanpa tingkat gravitasi yang menghancurkan berarti menempatkan isotop ringan ke dalam reaktor dan kemudian memanaskannya hingga ratusan juta derajat Celsius, yang mengubahnya menjadi ‘plasma’ terionisasi.

Plasma adalah gas terionisasi yang terdiri dari ion positif dan elektron yang bergerak bebas. Ia sangat panas dan sulit dikendalikan, memerlukan medan magnet untuk mencegahnya melarikan diri.

Para ilmuwan telah secara rutin mencapai kondisi untuk fusi nuklir, tetapi stabilitas plasma dan sifat penahanan yang lebih baik belum tercapai untuk mempertahankan reaksi dan menghasilkan energi secara berkelanjutan.

Sebagai contoh, pada akhir 2022, eksperimen fusi multi-miliar dolar akhirnya berhasil membuat sampel isotop kecil melepaskan lebih banyak energi daripada energi laser yang digunakan untuk menyalakannya, tetapi hanya bertahan sekitar sepersepuluh nanodetik.

Jadi, fusi nuklir adalah proses yang sangat menantang, memerlukan kondisi ekstrem suhu tinggi dan tekanan intens.

Kemudian, ada kebutuhan untuk menstabilkan plasma, mencegahnya menyentuh dinding reaktor, dan meminimalkan kehilangan panas, sehingga sulit mempertahankan reaksi. Dari segi rekayasa, kita membutuhkan magnet superkonduktor besar dan kuat untuk menahan plasma dalam tokamak, jenis reaktor fusi berbentuk donat yang umum, serta sistem vakum canggih untuk mencapai dan mempertahankan tekanan yang sangat rendah.

Selain itu, kita membutuhkan material yang dapat menahan suhu tinggi, fluks panas tinggi, dan radiasi neutron intens. Untuk mengatasi tantangan ini, para ilmuwan beralih ke kecerdasan buatan (AI). 

AI memainkan peran yang semakin penting dalam mempercepat riset dan pengembangan fusi nuklir. Dengan memanfaatkan pembelajaran mesin dan algoritma AI lainnya, peneliti mengoptimalkan desain reaktor, menemukan dan memperbaiki kesalahan pengukuran fundamental, mempercepat penemuan material, memprediksi dan mencegah gangguan plasma, mengendalikan keadaan plasma, serta meningkatkan efisiensi dan stabilitas reaksi fusi.

Dengan menangani sejumlah besar data kompleks dan hubungan rumit antara berbagai aspek proses fusi, AI dapat lebih meningkatkan pemahaman kita, mempercepat pengembangan desain reaktor baru, dan secara signifikan mengurangi waktu pengembangan, membuka jalan bagi komersialisasi energi nuklir.

AI Membantu Mengatasi Hambatan Fisika pada Fusi

AI dengan cepat mengubah industri, termasuk sektor energi, di mana ia membantu menyelesaikan krisis energi global dengan mencapai energi nuklir tanpa karbon dan tak terbatas. 

Sehubungan dengan itu, Google DeepMind memanfaatkan pembelajaran penguatan mendalam (RL) untuk berhasil mengendalikan plasma¹ dalam tokamak dan membentuknya secara tepat menjadi berbagai bentuk. Untuk mengembangkan sistem RL, mereka bekerja sama dengan Swiss Plasma Center di EPFL. Sistem tersebut secara otomatis menemukan cara mengendalikan kumparan magnetik yang mengelilingi tokamak dan menahan plasma di dalamnya.

Tahun lalu, perusahaan tersebut juga merilis simulator plasma bernama TORAX², yang memodelkan “inti” plasma dan kemudian meramalkan perubahan suhu, kepadatan, dan arus listrik. 

Awal tahun lalu, tim di Universitas Princeton juga menggunakan RL untuk memprediksi bentuk gangguan utama dalam plasma fusi hingga 300 milidetik sebelum muncul. Dikenal sebagai “ketidakstabilan mode robek,” ini terjadi ketika garis medan magnet dalam plasma terputus, memungkinkan plasma melarikan diri dan menghentikan proses fusi. 

Ketidakstabilan ini diperkirakan akan “menjadi lebih menonjol saat kami mencoba menjalankan reaksi fusi pada daya tinggi yang diperlukan untuk menghasilkan cukup energi,” kata penulis pertama Jaemin Seo, asisten profesor fisika di Universitas Chung-Ang, Korea Selatan. “Mereka adalah tantangan penting yang harus kami selesaikan.”

Model AI mereka memperkirakan potensi ketidakstabilan mode robek sebelumnya³ dan kemudian mengubah parameter operasi tertentu untuk menghindari robekan pada garis medan magnet plasma.

Model ini, yang dilatih pada data eksperimen masa lalu, diberikan tujuan untuk mempertahankan reaksi berdaya tinggi, bersama dengan kondisi yang harus dihindari, seperti ketidakstabilan mode robek, dan parameter yang dapat diubah untuk mencapai hasil tersebut. Seiring waktu, model AI “memelajari jalur optimal” untuk mempertahankan tujuan berdaya tinggi sambil menghindari ketidakstabilan.

“Dengan belajar dari eksperimen masa lalu, alih-alih menggabungkan informasi dari model berbasis fisika, AI dapat mengembangkan kebijakan kontrol akhir yang mendukung rezim plasma berdaya tinggi yang stabil secara real-time, pada reaktor nyata.”

– Pemimpin riset Egemen Kolemen

Sementara model menjalankan tak terhitung simulasi eksperimen fusi untuk menemukan jalur, di latar belakang, tim mengamati “niat”nya dan menyempurnakan tindakan, berperan sebagai penengah “antara apa yang ingin AI lakukan dan apa yang dapat ditampung oleh tokamak.”

Tim insinyur, fisikawan, dan ilmuwan data menguji dan mendemonstrasikan model mereka dalam eksperimen di DIII-D National Fusion Facility di San Diego.

Kemudian, awal tahun ini, sebuah makalah penelitian berjudul “Prediction of Performance and Turbulence in ITER Burning Plasmas via Nonlinear Gyrokinetic Profile Prediction”⁴ dipublikasikan oleh Nathan Howard, ilmuwan riset utama di MIT Plasma Science and Fusion Center (PSFC).

Howard dan timnya menggunakan ML dan simulasi untuk memprediksi bagaimana plasma akan berperilaku dalam perangkat fusi. 

“Dalam makalah tersebut, mereka menjelaskan bahwa simulasi turbulensi beresolusi tinggi mengkonfirmasi bahwa tokamak ITER, perangkat fusi eksperimental terbesar di dunia yang sedang dibangun di selatan Prancis, akan beroperasi sesuai harapan ketika mulai beroperasi, yang tidak akan terjadi sebelum setidaknya tahun 2035.

Untuk memverifikasi skenario, tim menggunakan CGYRO, program yang memakan waktu intensif yang menerapkan model fisika plasma kompleks pada kondisi operasi tertentu untuk menghasilkan simulasi terperinci tentang perilaku plasma di berbagai lokasi dalam perangkat fusi.

Simulasi kemudian dijalankan melalui kerangka kerja PORTALS, yang mengambil hasil berketelitian tinggi dan menggunakan ML untuk membangun ‘surrogate’, sebuah model yang “dapat meniru hasil dari simulasi yang lebih kompleks, tetapi jauh lebih cepat.”

Alat pemodelan berketelitian tinggi seperti PORTALS, catat para peneliti, memberikan “sekilas ke inti plasma sebelum bahkan terbentuk. Pendekatan prediksi-pertama ini memungkinkan kami menciptakan plasma yang lebih efisien dalam perangkat seperti ITER.”

Tim juga mendemonstrasikan berbagai pengaturan operasi di mana jumlah energi keluaran yang sama dapat dihasilkan tetapi dengan input energi yang lebih sedikit.

Geser untuk menggulir →

Memetakan Bayangan Fusi dengan HEAT-ML 

Pendekatan AI baru kini sedang digunakan untuk melindungi bagian dalam reaktor fusi dari panas ekstrem plasma. Cara baru ini mempercepat kecepatan perhitungan yang diperlukan untuk menemukan “bayangan magnetik” dalam wadah fusi.

Bayangan ini adalah tempat aman yang dilindungi dari panas plasma yang intens.

Tantangan Panas di Dalam Tokamak

Seperti yang kami jelaskan di atas, ketika plasma terkurung dalam tokamak menggunakan medan magnet, panas yang berasal dari plasma mencapai suhu yang bahkan lebih panas daripada inti matahari. Untuk memanfaatkan fusi, panas ini perlu dikendalikan.

Menurut Doménica Corona Rivera, fisikawan riset asosiasi di Princeton Plasma Physics Laboratory (PPPL):

“Komponen yang menghadap plasma pada tokamak dapat bersentuhan dengan plasma, yang sangat panas dan dapat meleleh atau merusak elemen ini. Hal terburuk yang dapat terjadi adalah Anda harus menghentikan operasi.”

Jadi, untuk mengatasi masalah ini, para peneliti memanfaatkan AI yang dapat mempercepat perhitungan yang memprediksi tepat di mana panas akan mengenai tokamak.

Dengan secara signifikan mempercepat perhitungan HEAT, model ini memungkinkan aplikasi real-time untuk perlindungan divertor dan tindakan kontrol.

Kolaborasi untuk Mendorong Inovasi Fusi

Kemitraan publik-swasta antara PPL, Laboratorium Nasional Oak Ridge milik Departemen Energi AS (DOE), dan perusahaan tenaga fusi Commonwealth Fusion Systems (CFS), yang merupakan spin-out dari MIT dan bertujuan membangun pembangkit tenaga fusi kecil berbasis desain tokamak ARC, menghasilkan pendekatan AI baru yang disebut HEAT-ML.

Model surrogate berbasis ML (HEAT-ML) dijelaskan secara rinci dalam studi terbaru berjudul “Shadow masks predictions in SPARC tokamak plasma-facing components using HEAT code and machine learning methods.”⁵

HEAT-ML bertujuan untuk meletakkan dasar bagi perangkat lunak yang mempercepat desain sistem fusi masa depan, serta mencegah masalah sebelum terjadi dengan menyesuaikan plasma, memungkinkan pengambilan keputusan yang baik.

“Penelitian ini menunjukkan bahwa Anda dapat mengambil kode yang ada dan membuat surrogate AI yang akan mempercepat kemampuan Anda mendapatkan jawaban yang berguna, dan membuka jalur menarik dalam hal kontrol dan perencanaan skenario.”

– Co-penulis makalah, Michael Churchill, yang merupakan kepala rekayasa digital di PPPL.

Memetakan Bayangan Magnetik untuk Melindungi Material

HEAT-ML telah secara khusus dibuat untuk mensimulasikan bagian kecil dari SPARC.

SPARC adalah tokamak yang saat ini sedang dikembangkan oleh CFS bekerja sama dengan MIT PSFC. Dijadwalkan mulai beroperasi tahun depan dan bertujuan menunjukkan keuntungan energi bersih, menghasilkan lebih banyak energi daripada yang dikonsumsi pada tahun 2027.

Untuk mencapai itu, para peneliti mensimulasikan bagaimana panas memengaruhi interior tokamak ini.

Tantangan komputasi besar, para peneliti membuatnya dapat dikelola dengan memfokuskan pada bagian SPARC, di mana keparahan pembuangan panas plasma bertemu dinding material. Dan itu melibatkan 15 ubin di sekitar dasar mesin, yang merupakan bagian di mana sistem pembuangannya akan paling rentan terhadap panas.

Untuk membuat simulasi ini, tim membuat shadow masks, yang merupakan peta 3D dari bayangan magnetik. Peta ini adalah area spesifik pada permukaan komponen internal sistem fusi yang dilindungi dari panas langsung. Posisinya bergantung pada bentuk bagian di dalam tokamak serta bagaimana mereka berinteraksi dengan garis medan magnet yang menahan plasma.

Mempercepat Simulasi dari Menit ke Milidetik

Shadow masks awalnya dihitung menggunakan program komputer sumber terbuka yang disebut HEAT, atau Heat flux Engineering Analysis Toolkit.

Dibuat oleh Tom Looby dari CFS bekerja sama dengan pemimpin Tim Diagnostik SPARC, Matt Reinke, program ini awalnya diterapkan pada sistem pembuangan untuk tokamak bola PPPL yang disebut National Spherical Torus Experiment-Upgrade (NSTX-U), yang dirancang menjadi yang paling kuat di dunia.

Para peneliti kini telah menggunakan pembelajaran mesin untuk melengkapi HEAT, mengembangkan model surrogate 3D untuk perhitungan beban panas yang cepat dan tepat.

HEAT-ML yang dihasilkan mengikuti garis medan magnet dari permukaan komponen untuk melihat apakah mereka berpotongan dengan bagian internal lainnya. Jika garis tersebut berpotongan, titik tersebut ditandai sebagai wilayah yang terkena bayangan, atau bayangan magnetik.

Seluruh proses melacak garis dan mendeteksi tepat di mana mereka bertemu dengan geometri mesin 3D yang detail, bagaimanapun, menjadi bottleneck signifikan yang dapat memakan waktu sekitar 30 menit untuk satu simulasi. Jika melibatkan geometri kompleks, waktu dapat lebih lama.

HEAT-ML memungkinkan tim mengatasi batasan ini, mempercepat perhitungan menjadi hanya milidetik. 

Menuju Kontrol Real-time pada Pembangkit Listrik Fusi

Model HEAT-ML menggunakan jaringan saraf dalam, bentuk AI dengan beberapa lapisan tersembunyi yang diterapkan pada data untuk mempelajari tugas spesifik dengan mengenali pola. Dalam kasus ini, HEAT-ML dilatih pada sekitar 1.000 simulasi SPARC dari HEAT untuk mengidentifikasi wilayah bayangan.

Karena terhubung dengan desain spesifik sistem pembuangan SPARC, HEAT-ML hanya berfungsi untuk bagian tersebut pada tokamak khusus ini.

Jadi, saat ini, ini merupakan pengaturan opsional dalam kode HEAT. Namun tim berharap memperluas kemampuan model mereka untuk menggeneralisasi perhitungan shadow mask untuk sistem pembuangan apa pun, terlepas dari ukuran dan bentuknya, serta komponen lain yang menghadap plasma di dalam tokamak.

Pembuangan daya, menurut studi, merupakan tantangan penting bagi generasi berikutnya perangkat fusi dan membutuhkan solusi inovatif dalam desain dan operasi divertor. Studi tersebut mencatat:

“Tujuan akhir adalah mengintegrasikan model untuk kontrol real-time dan keputusan operasional di masa depan.” 

Berinvestasi dalam Energi Nuklir

Raksasa teknologi Microsoft Corporation (MSFT ) sedang aktif mengeksplorasi energi nuklir dan percepatannya melalui AI, karena percaya bahwa energi ini harus menjadi bagian dari campuran sumber energi bebas karbon. 

Pejabat keberlanjutan utama Microsoft, Melanie Nakagawa, menyebut fusi sebagai taruhan jangka panjang dan mengatakan bahwa dalam beberapa tahun terakhir, berbagai jenis tonggak telah tercapai oleh industri yang menciptakan “banyak optimisme bahwa ini bisa menjadi momen fusi benar-benar muncul dalam dekade ini, atau mendekati dekade ini.”

Microsoft Corporation (MSFT )

Untuk tujuan fusi, Microsoft menandatangani kesepakatan terobosan dengan startup fusi swasta Helion Energy pada tahun 2023. Menurut kesepakatan, Helion akan memasok tenaga yang dihasilkan fusi ke pusat data Microsoft pada tahun 2028.

<span data-preserver-spaces="