L’IA può prevedere e prevenire le instabilità delle reazioni di fusione

Fin dall’epoca in cui il concetto di fusione nucleare è stato compreso, quasi un secolo fa, ingegneri e scienziati hanno cercato modi per crearla e sfruttarla. Dopo tutto, una volta raggiunta la fusione nucleare su scala industriale, potrebbe offrire energia accessibile, sicura, non inquinante e praticamente illimitata per soddisfare la crescente domanda.

Che cos’è la fusione nucleare? È un processo in cui due o più nuclei atomici leggeri si uniscono per formare un unico nucleo atomico diverso e più pesante, rilasciando enormi quantità di energia. Curiosamente, le reazioni di fusione alimentano il sole e le stelle, rendendo possibile la vita sulla Terra.

Tuttavia, fondere due atomi è piuttosto difficile, poiché richiede una quantità enorme di pressione ed energia per superare la loro repulsione reciproca. Il sole lo fa grazie alla sua massiccia attrazione gravitazionale e alle altissime pressioni al suo interno.

Ora, i ricercatori stanno cercando di costruire i propri reattori a fusione. Queste reazioni di fusione avvengono nel plasma, uno stato della materia. Il plasma, un gas caldo e carico composto da elettroni liberi negativi e ioni positivi, consente il flusso di corrente elettrica.

Per replicare questo processo, gli scienziati usano plasma estremamente caldo e magneti super potenti. Tuttavia, il plasma surriscaldato, altamente complesso e caotico può perdere rapidamente la stabilità e sfuggire ai forti campi magnetici che lo confinano all’interno del reattore a fusione a forma di ciambella, segnalando solitamente la terminazione della reazione. Questi dispositivi a forma di ciambella sono noti come tokamak.

Questo, naturalmente, rappresenta una sfida cruciale nello sviluppo della fusione come fonte di energia pulita e illimitata. Tuttavia, un team di data scientist, ingegneri e fisici della Princeton University e del Princeton Plasma Physics Laboratory (PPPL) del Dipartimento dell’Energia degli Stati Uniti sta utilizzando l’intelligenza artificiale (IA) per prevedere in tempo reale la formazione di un problema specifico del plasma, al fine di evitarlo.

Presso il DIII-D National Fusion Facility di San Diego, gestito dall’Ufficio della Scienza di General Atomics per il Dipartimento dell’Energia degli Stati Uniti (DOE), i ricercatori hanno condotto i loro esperimenti e dimostrato il loro modello di IA, che ha mostrato di poter prevedere potenziali instabilità del plasma. Definite instabilità del modo di lacerazione, queste instabilità possono essere previste dall’IA con largo anticipo, fino a 300 millisecondi. Per contestualizzare, il nostro battito di ciglia medio è di 100–150 millisecondi, secondo i ricercatori dell’UCL.

Sebbene sia una durata estremamente breve, ciò fornisce ampio tempo al controllore IA per modificare parametri operativi specifici al fine di prevenire la lacerazione all’interno delle linee di campo magnetico del plasma, che altrimenti disturberebbe l’equilibrio e potrebbe terminare la reazione.

Il modello di IA è stato addestrato sui dati di prove precedenti invece di utilizzare informazioni da modelli basati sulla fisica. In questo modo, “l’IA potrebbe sviluppare una politica di controllo finale che supportasse un regime di plasma stabile e ad alta potenza in tempo reale, in un reattore reale,” ha dichiarato il capo dello studio Egemen Kolemen, fisico ricercatore presso il PPPL e professore associato di ingegneria meccanica e aerospaziale presso l’Andlinger Center for Energy and the Environment.

A differenza degli approcci attuali, ciò consente un controllo più dinamico di una reazione di fusione e fornisce inoltre una base per sfruttare l’IA al fine di trovare soluzioni a un ampio insieme di instabilità del plasma. Questo è fondamentale perché rappresenta da tempo una sfida nel realizzare una reazione di fusione costante.

Clicca qui per scoprire tutto sull’investimento nell’intelligenza artificiale (IA).

L’uso crescente dell’IA nella ricerca sulla fusione

Pubblicato su Nature, questo studio si concentra sulla previsione e l’evitamento delle instabilità di lacerazione prima ancora che compaiano nel plasma. Questo lo differenzia dagli approcci precedenti, che, secondo Jaemin Seo, autore dello studio e assistente professore di fisica presso l’Università Chung-Ang della Corea del Sud, hanno normalmente lavorato per mitigare o attenuare gli effetti di queste instabilità dopo che si sono verificate. 

Il team di Princeton ha affrontato le instabilità del modo di lacerazione, un tipo di disturbo in cui le linee di campo magnetico non riescono a contenere plasma che supera i 100 milioni di gradi Celsius, portando a una interruzione del plasma. Questo è più caldo del centro del Sole. Secondo Seo:

“Le instabilità del modo di lacerazione, una delle principali cause di interruzione del plasma, diventeranno ancora più evidenti man mano che cercheremo di far funzionare le reazioni di fusione alle alte potenze necessarie per produrre energia sufficiente, presentando una grande sfida da risolvere.”

Dato che questo tipo di instabilità può formarsi e poi ostacolare la reazione di fusione in pochi millisecondi, i ricercatori si sono rivolti all’IA per la sua capacità di elaborare rapidamente e agire in risposta a nuovi dati.

Tuttavia, non era la prima volta che l’IA veniva sfruttata nella ricerca sulla fusione. In effetti, c’è un interesse crescente per il machine learning e l’IA per valutare enormi quantità di dati prodotti in questi esperimenti. 

Analizzando i dati di addestramento, l’IA riconosce quindi i pattern e ne ricava principi. Ad esempio, il Wendelstein 7‑X si occupa della rilevazione in tempo reale dello stato di equilibrio del plasma nei stellarator, un dispositivo a plasma che dipende da magneti esterni per confinare il plasma.

Come hanno affermato Riccardo Betti, capo scienziato al LLE, e Robert L. McCrory, professore nei dipartimenti di Fisica e Astronomia e di Ingegneria Meccanica,

“Ora disponiamo di una ricchezza di dati sperimentali che possiamo sfruttare con il machine learning per correggere sistematicamente le simulazioni e guidare le regolazioni in tempo reale degli esperimenti.”

Nel frattempo, in uno studio del 2021, Diogo Ferreira, professore di sistemi informativi presso l’Instituto Superior Técnico dell’Università di Lisbona in Portogallo, ha dettagliato tre diversi utilizzi per i modelli di IA, ML e DL nella ricerca sulla fusione. Uno dei suoi modelli prevede le interruzioni in un plasma super caldo, il secondo rileva anomalie nel plasma, e il terzo riguarda le rappresentazioni visive dei pattern di radiazione del plasma.

Ora, questo ultimo studio, supportato dall’Ufficio di Scienze dell’Energia della Fusione del DOE e dalla National Research (NRC ) Foundation of Korea, sta lavorando per prevenire l’instabilità di lacerazione del plasma di fusione con l’aiuto del machine learning (ML), sotto-campo dell’apprendimento profondo per rinforzo (RL). Il DOE ha inoltre fornito supporto finanziario al MIT Plasma Science and Fusion Center per migliorare l’accesso ai dati sulla fusione.

Per costruire un controller di intelligenza artificiale di successo, il team di Princeton ha dovuto utilizzare i dati dei test eseguiti in passato al tokamak DIII‑D. È stata quindi creata una rete neurale profonda con la capacità di prevedere la possibilità di una prossima instabilità di lacerazione in base alle caratteristiche del plasma in tempo reale.

Questo, secondo Azarakhsh Jalalvand, co‑autore dello studio e ricercatore nel gruppo di Kolemen, è stato paragonato all’insegnare a qualcuno a pilotare un aereo, non consegnandogli semplicemente un set di chiavi e dicendogli di fare del suo meglio, ma facendolo esercitare su un simulatore di volo molto complesso finché non ha imparato abbastanza per provare la realtà.

Il team ha poi addestrato un algoritmo di reinforcement learning (RL) sulla loro rete neurale, che può provare diverse strategie per controllare il plasma. L’algoritmo apprende attraverso tentativi ed errori all’interno della sicurezza di un ambiente simulato.

Invece di insegnargli tutta la complessa fisica di una reazione di fusione, il team ha solo indicato al modello di reinforcement learning il loro obiettivo, ovvero mantenere una reazione ad alta potenza e cosa evitare, cioè un’instabilità del modo di lacerazione e le manopole che può utilizzare per raggiungere tali risultati. Poi, col tempo, il modello apprende il percorso ottimale per raggiungere alti livelli di potenza evitando la penalità dell’instabilità.

Mentre il modello eseguiva innumerevoli esperimenti di fusione simulati, il team ha osservato e perfezionato le sue azioni a causa di alcuni cambiamenti troppo rapidi. 

“Come esseri umani, arbitriamo tra ciò che l’IA vuole fare e ciò che il tokamak può accettare.”

– SangKyeun Kim, co‑autore dello studio & ricercatore staff presso PPPL

Il team ha testato il controller IA durante un esperimento di fusione reale solo dopo essersi assicurato delle sue capacità. Il controller IA ha quindi apportato modifiche in tempo reale a determinati parametri del tokamak D‑III‑D, inclusa la variazione della forma del plasma e dell’intensità dei fasci che forniscono energia alla reazione, per evitare l’insorgenza dell’instabilità.

Una soluzione universale

Questa ultima ricerca, i cui risultati sono stati pubblicati la scorsa settimana su Nature, presenta un approccio attivo rispetto agli attuali approcci “più passivi” alla previsione delle instabilità in anticipo, il che può semplificare l’esecuzione di queste reazioni. Kim ha dichiarato:

“Non dobbiamo più attendere che le instabilità si verifichino per poi intervenire rapidamente prima che il plasma venga interrotto.”

Questo studio è certamente una prova di concetto promettente che dimostra quanto l’IA possa controllare efficacemente le reazioni di fusione. Tuttavia, i ricercatori hanno osservato che il gruppo di Kolemen sta già lavorando su diversi passi successivi per avanzare nel campo della ricerca sulla fusione.

Quindi, sebbene ci siano “prove solide” che il controller IA funzioni “abbastanza bene” al tokamak DIII‑D, l’attenzione ora è ottenere più evidenze del controller in azione, raccogliere più dati che dimostrino che funzioni anche in situazioni diverse, e poi espanderlo per operare su altri tokamak.

Ma non è tutto. L’attuale modello IA utilizza solo un numero limitato di diagnostiche che gli consentono di evitare un solo tipo specifico di instabilità. Pertanto, i ricercatori vogliono fornire dati su altri tipi di instabilità e offrire più manopole al controller IA per effettuare regolazioni. Così, il team mira ad ampliare il suo algoritmo per gestire diversi tipi di instabilità controllando molteplici manopole contemporaneamente.

Su questa strada verso la creazione di controller IA più efficienti, il team spera che l’IA avrà una maggiore chiarezza e comprensione delle reazioni di fusione e della fisica, insegnandoci anche di più su tutto ciò.

Clicca qui per scoprire perché il 2023 è stato l’anno di svolta per l’IA.

Aziende che operano nel campo dell’IA e della reazione di fusione

Ora, diamo un’occhiata ad alcuni nomi di spicco nel settore:

#1. Google 

Il gigante tecnologico ha le mani in tutti i settori, compresa la ricerca sull’IA e l’energia da fusione. Un paio d’anni fa, DeepMind, sostenuto da Google, ha annunciato di aver addestrato un sistema di IA per controllare il plasma all’interno di un reattore a fusione nucleare. L’AI Lab ha creato un sistema di IA RL per controllare i magneti e modificare la tensione migliaia di volte al secondo.

L’azienda da 1,75 trilioni di dollari di mercato ha le sue azioni in scambio a 140,38 $, in rialzo del 3 % YTD. Google ha registrato un fatturato (TTM) di 307,39 miliardi e un EPS (TTM) di 5,80, un P/E (TTM) di 24,17 e un ROE (TTM) del 27,36 %.

#2. TAE Technologies

In precedenza nota come Tri Alpha Energy, l’azienda con sede in California si concentra sullo sviluppo della tecnologia per l’energia da fusione. TAE Technologies sta attualmente aggiornando la sua piattaforma di fusione, Norman, a una macchina di sesta generazione chiamata Copernicus. Se tutto procede senza intoppi, l’azienda prevede di costruire il suo primo prototipo di centrale elettrica che potrebbe collegarsi alla rete all’inizio degli anni 2030, e la sua scalabilità per sviluppare energia commerciale “robusta e affidabile” continuerà per tutto il decennio. La fusione, secondo il suo CEO Michl Binderbauer, ci porterà in un “paradigma di abbondanza”.

Nel 2022, Google e Chevron (CVX ) hanno investito in TAE Technologies nell’ambito della raccolta di 250 milioni di dollari dell’azienda. Google è in realtà partner di TAE da un decennio e fornisce all’azienda IA e potenza computazionale.

#3. ITER

Il International Thermonuclear Experimental Reactor è un megaprogetto internazionale di ricerca e ingegneria sulla fusione nucleare che ha avanzato la sua ricerca e sviluppo sulla fusione con ML e IA.

“I progetti di Big Science come ITER offrono una ricchezza di dati ideale per l’IA. Ci forniscono un’opportunità unica di apprendere, addestrare, estrapolare e applicare queste competenze in altri settori della produzione.”

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

Conclusione

Come abbiamo discusso in tutto questo articolo, l’IA ha il potenziale di trasformare vari aspetti del percorso della fusione. Tuttavia, i recenti progressi tecnologici hanno alimentato la speranza di superare le sfide di lunga data affrontate da questo settore. Sfruttando la potenza computazionale e le capacità di riconoscimento dei pattern dell’intelligenza artificiale, possiamo accelerare lo sviluppo dell’energia da fusione e finalmente rendere reale un futuro energetico sostenibile.