IA e Fusão Nuclear – Usando uma Tecnologia Disruptiva para Avançar a Outra

 A inteligência artificial é um dos principais avanços tecnológicos da última década, transformando indústrias em todos os setores. Mal há um setor onde seu impacto não possa ser sentido, incluindo a fusão nuclear — uma tecnologia tão disruptiva quanto a própria IA.

Considerada como uma fonte quase ilimitada de energia limpa, a fusão nuclear é uma fonte de energia promissora que pode provar ser revolucionária. 

Entre seus muitos benefícios estão combustível abundante, eficiência energética, emissões mínimas de gases de efeito estufa, confiabilidade, segurança intrínseca e sustentabilidade. No entanto, ainda está em fase experimental.

Isso apesar do fato de que um recorde de energia de fusão nuclear foi alcançado este ano quando uma equipe de cientistas e engenheiros sustentou 69 megajoules de energia de fusão por 5 segundos usando apenas 0,2 miligramas de combustível. Embora essa energia seja suficiente para abastecer cerca de 12.000 residências durante esse período, ainda requer mais energia de entrada do que gera. 

Até agora, os cientistas só conseguiram sustentar a fusão por alguns segundos. No entanto, as coisas podem estar prestes a mudar graças à IA.

Avanços contínuos em IA nos últimos anos não apenas a tornaram parte de nossas vidas diárias, mas também a tornaram crucial para alcançar avanços científicos. A IA está agora sendo ativamente explorada para melhorar a fusão nuclear de várias maneiras. 

Desde controlar reações de fusão ao prever e prevenir instabilidades em tempo real até analisar projetos de reatores para encontrar os melhores, manter o controle estável das reações de fusão por períodos mais longos e até reduzir o tempo e o custo de analisar projetos de reatores e prever mudanças no plasma — o papel da IA na fusão nuclear está crescendo rapidamente.

Embora gerar energia em larga escala a partir da fusão nuclear possa não ser possível antes de cerca de 2050, a IA certamente surgiu como uma ferramenta promissora para acelerar esse processo.

Steven Cowley, professor de ciências astrofísicas e diretor de laboratório do Laboratório de Física de Plasma de Princeton (PPPL) do Departamento de Energia, acredita:

“A fusão pode acabar sendo o ‘aplicativo matador’ da IA.”

No início deste ano, cientistas relataram ter encontrado uma maneira de prever instabilidades no plasma, que é altamente suscetível a rasgos e a escapar dos campos magnéticos de potência das máquinas projetadas para mantê-lo contido, e impedir que ocorram em tempo real usando IA.

O controlador de IA conseguiu prever possíveis rasgos no plasma até 300 milissegundos antes, conforme o experimento realizado pelos pesquisadores da Universidade de Princeton e do PPPL.

Disruptões são um dos grandes obstáculos na fusão nuclear, pois deseja-se que o reator opere 24/7 por anos sem nenhum problema.

“(Dado que as interrupções e instabilidades são) muito problemáticas… desenvolver soluções como esta aumenta a confiança de que podemos operar essas máquinas sem quaisquer problemas.”

– Egemen Kolemen, autor do estudo e professor de engenharia mecânica e aeroespacial na Universidade de Princeton

Construindo IA para Encontrar Novas Ligas para Instalações de Fusão Nuclear

Um estudo recente do Laboratório Nacional Oak Ridge (ORNL) do Departamento de Energia (DOE) criou um modelo de IA para ajudar a identificar novas ligas que são usadas em reatores de fusão nuclear como blindagem para abrigar componentes de aplicações de fusão.

O projeto começou há muitos anos sob a liderança de David Womble, ex-diretor da Iniciativa de IA, e representa um grande passo para melhorar as instalações de fusão nuclear. Em seguida, continuou como área prioritária de pesquisa sob a Inteligência Artificial para Descoberta Científica (AISD).

As limitações atuais das abordagens computacionais em larga escala, observou o estudo, estão lançando nova luz sobre o potencial benefício de integrar aprendizado de máquina (ML) dentro da ciência dos materiais tradicional e da mecânica quântica.

Modelos de deep learning (DL), em particular, têm sido eficazes em registrar não linearidades relevantes que são desencadeadas pelas configurações atômicas de um sistema atômico.

Uma vez que o modelo DL é treinado, ele pode ser usado para inferência em uma fração do tempo que levaria para executar um cálculo DFT completo, produzindo resultados precisos. Essa considerável economia de tempo na previsão das propriedades das ligas usando informações atômicas acelera efetivamente a descoberta e o design de novas ligas multicomponentes.

Portanto, o foco do estudo tem sido nas ligas, que precisam “alcançar desempenho excepcional em temperaturas muito altas”. Esse desempenho deve ser tanto em termos de resistência a altas temperaturas quanto das propriedades mecânicas estruturais necessárias para o uso das ligas em usinas nucleares complexas. Para que um material alcance alta resistência em temperaturas mais elevadas, sua temperatura de decomposição precisa ser maior.

Para fabricar esses materiais, o tungstênio tem sido usado tradicionalmente como elemento principal. Elementos adicionais, por sua vez, são adicionados como suplemento. A composição resultante da liga tem sido resistente a altas temperaturas, mas inconsistente em manter a blindagem adequada.

Recentemente, pesquisadores investigaram substituir esses materiais tecnológicos padrão por algo que o cientista de dados de IA da ORNL, Massimiliano Lupo Pasini, descreveu como “algo completamente novo e disruptivo”.

Mas, claro, identificar combinações metálicas potenciais é um grande desafio, dada a enorme quantidade de possibilidades.

Portanto, os pesquisadores usaram IA para contornar o período de testes e descobrir candidatos a ligas utilizáveis de maneira mais eficiente. Isso envolveu gerar os dados para criar o modelo de IA que identificou três elementos para teste como potenciais novos candidatos a ligas.

De acordo com os resultados do estudo, que foram publicados na revista Scientific Data, a equipe apresentou quatro conjuntos de dados de código aberto. Os conjuntos de dados forneceram resultados de cálculos de teoria funcional da densidade (DFT) das propriedades do estado fundamental das ligas.

As ligas envolvidas são nióbio-vanádio (NbV), nióbio-tântalo (NbTa), tântalo-vanádio (TaV) e ligas ternárias NbTaV ordenadas em estruturas cúbicas de corpo centrado (BCC) com 128 sítios de rede de Bravais.

O modelo de IA da ORNL tem grande importância no mundo da fusão nuclear porque essa tecnologia promissora pode fornecer materiais limpos e quase ilimitados que suportam temperaturas extremamente altas, radiação e estresse mecânico. Assim, ao encontrar ligas de alto desempenho, podemos garantir a longevidade e confiabilidade dos reatores de fusão.

Além de ajudar a identificar novas ligas muito mais rapidamente e de forma econômica, removendo um grande obstáculo para tornar os reatores de fusão nuclear práticos e seguros, tal modelo de IA também pode possibilitar avanços tecnológicos disruptivos na fusão nuclear como também.

Modelagem de Dados Impulsionada por IA para Acelerar Descobertas Científicas

Ter um banco de dados gerado por IA é apenas uma parte do projeto. A próxima parte envolve usar os dados gerados para pesquisas adicionais sobre o desenvolvimento, treinamento e implantação de modelos de ML para a descoberta e design de materiais.

De acordo com Lupo Pasini, seis elementos são necessários para apoiar o design de novas ligas refratárias de alta entropia.

Ligas de alta entropia, ou HEAs, são uma nova fronteira para os cientistas de materiais, e atualmente há poucos resultados experimentais. Um estudo de alguns anos atrás pesquisou 14 elementos e as combinações que produzem HEAs. Usando cálculos mecânicos quânticos de alta taxa, eles encontraram a estabilidade e as propriedades elásticas de mais de 7.000 HEAs.

Isso foi relatado como o “maior banco de dados das propriedades elásticas de ligas de alta entropia”, segundo o autor do estudo Wei Chen, professor associado de ciência e engenharia de materiais no Illinois Institute of Technology.

Agora, para o estudo mais recente, há também a questão da tarefa cara de executar cálculos mecânicos quânticos em supercomputadores existentes. Portanto, “os dados sozinhos não serão suficientes”.

Outro desafio que a equipe precisou superar com esses cálculos massivos foi o tempo. Levou mais de um ano para que a equipe finalmente realizasse os cálculos nos supercomputadores Perlmutter e Summit e gerasse os dados.

The Summit supercomputer is part of the Oak Ridge Leadership Computing Facility and is located at ORNL, while Perlmutter is housed at Lawrence Berkeley National Laboratory, with both computing systems being DOE Office of Science user facilities.

Na próxima etapa, a equipe utilizará os dados gerados para treinar o modelo de IA. O modelo acelerará a vasta gama de compostos como resultado da mistura dos seis elementos em diferentes concentrações como ligas.

“Estamos tentando ajudar os cientistas de materiais em suas abordagens de tentativa e erro ao identificar a porcentagem relativa dos diferentes elementos que precisam ser misturados para criar ligas que possam levar a avanços tecnológicos disruptivos na fusão.”

– Lupo Pasini

O uso de IA para compreender as complexidades dos materiais em um nível mais profundo também tem avançado rapidamente. No ano passado, Lupo Pasini, da ORNL, liderou uma equipe de cientistas computacionais que gerou conjuntos de dados de escala sem precedentes, fornecendo as propriedades espectrais ultravioleta-visíveis de mais de 10 milhões de moléculas orgânicas.

Compreender a interação de uma molécula com a luz é crucial para revelar suas propriedades eletrônicas e ópticas, que têm potenciais aplicações fotoativas em sistemas de imagem médica e células solares.

Os cálculos de química quântica foram executados usando recursos de computação de alto desempenho para gerar os vastos conjuntos de dados. Esses conjuntos de dados serão então usados para treinar um modelo DL para identificar moléculas com propriedades optoeletrônicas e fotoatividade sob medida.

Na época, Lupo Pasini observou que determinar como a matéria e a energia interagem no nível subatômico por meio de experimentos intensivos em mão de obra e cálculos de primeiros princípios existentes, que podem sobrecarregar facilmente as instalações de supercomputação, é simplesmente inacessível. No entanto, os modelos DL “fornecem ferramentas muito promissoras para superar essas barreiras”.

A equipe está construindo uma arquitetura HydraGNN que recebe a estrutura atômica e a converte em um grafo antes de tentar prever o que o código de primeiros princípios produziria como saída.

No início deste ano, Lupo Pasini e a equipe demonstraram a escalabilidade do HydraGNN no sistema Perlmutter, bem como nos supercomputadores Frontier e Summit. O HydraGNN é uma implementação de arquiteturas GNN para produzir previsões rápidas e precisas das propriedades dos materiais.

Com a ilustração, a equipe mostrou exatamente como escalar redes neurais de grafos (GNNs) para mapear conexões entre milhares ou até milhões de variáveis e desvendar suas relações para acelerar a descoberta científica.

Empresas que se Beneficiarão da Fusão 

Tanto as indústrias de IA quanto de fusão nuclear estão recebendo bilhões de dólares em investimentos, o que demonstra a empolgação e o desenvolvimento em torno dessas duas tecnologias transformadoras. Então, vamos ver alguns nomes proeminentes desses campos: 

#1. General Electric (GE)

A General Electric (GE.TO ) está envolvida em pesquisa e desenvolvimento de energia nuclear através da sua GE Vernova (GEV ), que visa acelerar o caminho para energia mais confiável, acessível e sustentável. Seus esforços no campo incluem novos sensores e técnicas de imagem para rastrear materiais de combustível nuclear usado em tempo real, uma técnica de inspeção chamada RADMASS para tornar o reprocessamento de combustível mais acessível, e a construção de reatores nucleares de água fervente (BWRs).

Com um valor de mercado de US$ 204,469 bilhões, as ações da empresa estão atualmente negociando a US$ 188,94, alta de 47,83% no ano. Ela tem um EPS (TTM) de 4,28, um P/E (TTM) de 44,09 e um rendimento de dividendos de 0,59%.

Para o 2T 2024, a GE Vernova reportou US$ 8,2 bilhões em receita total e US$ 1,3 bilhão em lucro líquido. Enquanto isso, os pedidos totais de US$ 11,8 bilhões superaram a receita em 1,4x. O caixa das atividades operacionais no final do trimestre foi de US$ 1 bilhão, enquanto o saldo de caixa de US$ 5,8 bilhões aumentou em relação aos US$ 4,2 bilhões após a cisão da GE em abril.

“As tendências de eletrificação global e descarbonização continuam a impulsionar a demanda por nossos produtos e serviços.”

– CEO da GE Vernova, Scott Strazik

#2. IBM (IBM)

Embora a NVIDIA (NVDA ) seja líder em tecnologia de IA e supercomputação, que impulsionou seus preços das ações a subir 134,76% este ano, a IBM também está entre as líderes em computação quântica e pesquisa de IA. Os computadores quânticos da empresa são sistemas de computação quântica baseados em nuvem que podem ser usados para pesquisa e exploração.

Ao executar simulações complexas nesses computadores quânticos, a IBM permite avanços críticos em vários setores. Há alguns anos, a empresa escreveu sobre otimizar a geração de energia nuclear desbloqueando o valor dos dados.

Com um valor de mercado de US$ 201,54 bilhões, as ações da empresa estão atualmente negociando a US$ 218,80, alta de 34,82% no ano. Ela tem um EPS (TTM) de 9,53, um P/E (TTM) de 2,95 e um rendimento de dividendos de 3,05%.

Para o 2T 2024, a IBM reportou receita de US$ 15,8 bilhões, um aumento de 2% com o maior destaque em seu segmento de software. A margem de lucro bruto da empresa foi de 56,8% enquanto a margem operacional (Non-GAAP) foi de 57,8%. O caixa líquido das atividades operacionais foi de US$ 6,2 bilhões no acumulado do ano e o fluxo de caixa livre foi de US$ 4,5 bilhões.

#3. ATI Inc. (ATI)

A ATI se especializa na produção de metais e ligas especiais, e essa expertise a posiciona bem para aplicações em reatores de fusão. High-Performance Materials & Components (HPMC) é um de seus segmentos, que produz materiais de alto desempenho como titânio e ligas à base de titânio usadas em energia, medicina e aeroespacial. Advanced Alloys & Solutions (AA&S) é outra divisão que produz zircônio e ligas relacionadas, usadas nos mercados automotivo, eletrônico, de energia e defesa.

Com um valor de mercado de US$ 8,20 bilhões, as ações da empresa estão atualmente negociando a US$ 66, alta de 44,74% no ano. Ela tem um EPS (TTM) de 2,94 e um P/E (TTM) de 22,48.

Para o 2T 2024, a ATI reportou US$ 1,1 bilhão em vendas, um aumento de 5% em relação ao trimestre anterior. O lucro líquido do trimestre foi de US$ 81,9 milhões, ou US$ 0,58 por ação, alta de 26% em relação ao 1T24. O EBITDA ajustado da empresa foi de US$ 182,6 milhões.

“Nossa execução e capacidade de capitalizar oportunidades de mercado nos permitem aumentar as margens e gerar um forte fluxo de caixa operacional.”

– Kimberly A. Fields, Presidente e CEO

Conclusão

A mania por IA está crescendo constantemente, e sua integração na pesquisa de fusão nuclear marca um momento crucial para ambos os campos. Ao enfrentar os desafios complexos inerentes à fusão, a IA tem o potencial de reduzir drasticamente o cronograma para alcançar energia de fusão prática.

Desde previsões de plasma em tempo real até a descoberta de novas ligas capazes de suportar condições extremas, os avanços impulsionados por IA estão gradualmente aproximando a fusão nuclear da realidade, oferecendo uma solução de energia mais limpa e sustentável para a crise energética global.

Clique aqui para aprender tudo sobre investir em inteligência artificial.