IA pode prever e prevenir instabilidades em reações de fusão

Desde que o conceito de fusão nuclear foi compreendido há quase um século, de engenheiros a cientistas, todos têm buscado maneiras de criá‑la e aproveitá‑la. Afinal, quando alcançarmos a fusão nuclear em escala industrial, ela poderá oferecer energia acessível, segura, não poluente e praticamente ilimitada para atender à crescente demanda.

O que é fusão nuclear? É um processo em que dois ou mais núcleos atômicos leves se unem para formar um único núcleo atômico diferente e mais pesado, liberando enormes quantidades de energia. Curiosamente, as reações de fusão alimentam o sol e as estrelas, tornando a vida na Terra possível.

No entanto, fundir dois átomos é bastante difícil, pois requer uma enorme quantidade de pressão e energia para que eles superem sua repulsão mútua. O sol faz isso por meio de sua enorme atração gravitacional e das altíssimas pressões em seu núcleo.

Agora, pesquisadores estão tentando construir seus próprios reatores de fusão. Essas reações de fusão ocorrem em plasma, um estado da matéria. O plasma, um gás quente e carregado composto por elétrons livres negativos e íons positivos, permite que a corrente elétrica flua através dele.

Para replicar esse processo, os cientistas utilizam plasma extremamente quente e ímãs superpotentes. Contudo, o plasma superaquecido, altamente complexo e desordenado pode perder sua estabilidade muito rapidamente e escapar dos fortes campos magnéticos que o confinam dentro do reator de fusão em forma de donut, geralmente sinalizando a terminação da reação. Esses dispositivos em forma de donut são conhecidos como tokamaks.

Isso, claro, representa um desafio crítico no desenvolvimento da fusão como uma fonte de energia limpa e ilimitada. No entanto, uma equipe de cientistas de dados, engenheiros e físicos da Universidade de Princeton e do Laboratório de Física de Plasma de Princeton (PPPL) do Departamento de Energia dos EUA está utilizando inteligência artificial (IA) para prever a formação de um problema específico de plasma em tempo real, a fim de evitá‑lo.

No DIII-D National Fusion Facility em San Diego, que é um Escritório de Ciência operado pela General Atomics para o Departamento de Energia dos EUA (DOE), os pesquisadores realizaram seus experimentos e demonstraram seu modelo de IA, que mostrou ser capaz de prever potenciais instabilidades de plasma. Denominadas instabilidades de modo de rasgo, essas instabilidades podem ser previstas pela IA com até 300 milissegundos de antecedência. Para contextualizar, piscamos em média de 100 a 150 milissegundos, segundo pesquisadores da UCL.

Embora seja uma duração extremamente curta, isso fornece tempo suficiente para que o controlador de IA altere parâmetros operacionais específicos a fim de impedir o rasgo nas linhas de campo magnético do plasma que desestabilizaria o equilíbrio e potencialmente encerraria a reação.

O modelo de IA foi treinado com dados de testes anteriores em vez de utilizar informações de modelos baseados em física. Dessa forma, “a IA poderia desenvolver uma política de controle final que suportasse um regime de plasma estável e de alta potência em tempo real, em um reator real”, disse o líder do estudo, Egemen Kolemen, que é físico pesquisador do PPPL e também professor associado de engenharia mecânica e aeroespacial no Andlinger Center for Energy and the Environment.

Ao contrário das abordagens atuais, isso permite um controle mais dinâmico de uma reação de fusão e ainda fornece uma base para aproveitar a IA na busca de soluções para um amplo conjunto de instabilidades de plasma. Isso é crítico porque tem sido um desafio manter uma reação de fusão constante por muito tempo.

Clique aqui para aprender tudo sobre investir em inteligência artificial (IA).

Uso crescente da IA na pesquisa de fusão

Publicado na Nature, este estudo concentra‑se em prever e evitar instabilidades de rasgo antes mesmo que apareçam no plasma. Isso o diferencia das abordagens anteriores, que, segundo Jaemin Seo, autor do estudo e professor assistente de física na Universidade Chung‑Ang da Coreia do Sul, normalmente trabalhavam na mitigação ou supressão dos efeitos dessas instabilidades após sua ocorrência. 

A equipe de Princeton abordou as instabilidades de modo de rasgo, um tipo de perturbação onde as linhas de campo magnético não conseguem conter plasmas que excedem 100 milhões de graus Celsius, levando à interrupção do plasma. Isso é mais quente que o centro do Sol. Segundo Seo:

“Instabilidades de modo de rasgo, uma das principais causas de interrupção do plasma, tornar‑se‑ão ainda mais proeminentes à medida que tentamos operar reações de fusão nas altas potências necessárias para produzir energia suficiente, apresentando um grande desafio que precisa ser resolvido.”

Dado que esse tipo de instabilidade pode se formar e então impedir a reação de fusão em questão de milissegundos, os pesquisadores recorreram à IA por sua capacidade de processar rapidamente e agir em resposta a novos dados.

No entanto, esta não foi a primeira vez que a IA foi aproveitada na pesquisa de fusão. De fato, tem havido um interesse crescente em aprendizado de máquina e IA para avaliar enormes quantidades de dados produzidos nesses experimentos. 

Ao avaliar os dados de treinamento, a IA reconhece padrões e deriva princípios a partir deles. Por exemplo, o Wendelstein 7‑X lida com a detecção em tempo real do estado de equilíbrio do plasma em stellarators, um dispositivo de plasma que depende de ímãs externos para confinar o plasma.

Como disseram Riccardo Betti, cientista‑chefe da LLE, e Robert L. McCrory, professor do Departamento de Física e Astronomia e do Departamento de Engenharia Mecânica,:

“Agora temos uma abundância de dados experimentais que podemos aproveitar com aprendizado de máquina para corrigir sistematicamente as simulações e orientar ajustes em tempo real nos experimentos.”

Enquanto isso, em um estudo de 2021, Diogo Ferreira, professor de sistemas de informação no Instituto Superior Técnico da Universidade de Lisboa, em Portugal, detalhou três diferentes usos para modelos de IA, ML e DL na pesquisa de fusão. Um de seus modelos prevê interrupções em um plasma superquente, o segundo detecta anomalias no plasma e o terceiro trata de representações visuais dos padrões de radiação do plasma.

Agora, este estudo mais recente, apoiado pelo Office of Fusion Energy Sciences do DOE e pela National Research Foundation da Coreia, está trabalhando na prevenção da instabilidade de rasgo em plasma de fusão com a ajuda do subcampo de aprendizado de máquina (ML) chamado aprendizado profundo por reforço (RL). O DOE também tem fornecido apoio financeiro ao MIT Plasma Science and Fusion Center para melhorar o acesso aos dados de fusão.

Para construir um controlador de inteligência artificial bem‑sucedido, a equipe de Princeton precisa usar dados de testes realizados anteriormente no tokamak DIII‑D. Uma rede neural profunda foi então criada com a capacidade de prever a possibilidade de uma futura instabilidade de rasgo, dependendo das características do plasma em tempo real.

Isso, segundo Azarakhsh Jalalvand, coautor do estudo e pesquisador no grupo de Kolemen, foi como ensinar alguém a pilotar um avião, o que não seria “entregar um conjunto de chaves e dizer para fazer o melhor possível”, mas sim “fazer com que pratique em um simulador de voo muito complexo até que aprenda o suficiente para experimentar a coisa real.”

A equipe então treinou um algoritmo de aprendizado por reforço (RL) em sua rede neural, que pode experimentar diferentes estratégias para controlar o plasma. O algoritmo aprende por tentativa e erro dentro da segurança de um ambiente simulado.

Em vez de ensiná‑la toda a física complexa de uma reação de fusão, a equipe apenas informou ao modelo de aprendizado por reforço seu objetivo, que era manter uma reação de alta potência, bem como o que evitar, ou seja, uma instabilidade de modo de rasgo e os controles que pode usar para alcançar esses resultados. Então, com o tempo, o modelo aprende o caminho ideal para alcançar níveis elevados de potência enquanto evita a penalidade da instabilidade.

À medida que o modelo passava por inúmeras simulações de experimentos de fusão, a equipe observou e refinou suas ações devido a algumas mudanças serem muito rápidas. 

“Como humanos, arbitramos entre o que a IA quer fazer e o que o tokamak pode acomodar.”

– SangKyeun Kim, coautor do estudo & pesquisador sênior do PPPL

A equipe só testou o controlador de IA durante um experimento de fusão real depois de estar confiante em suas habilidades. O controlador de IA então fez alterações em tempo real em certos parâmetros do tokamak D‑III‑D, incluindo mudar a forma do plasma e a intensidade dos feixes que fornecem energia à reação para evitar o surgimento da instabilidade.

Uma solução universal

Esta pesquisa mais recente, cujas descobertas foram publicadas na semana passada na Nature, apresenta uma abordagem ativa em oposição às abordagens “mais passivas” atuais de prever instabilidades antecipadamente, o que pode facilitar a execução dessas reações. Kim disse:

“Não precisamos mais esperar que as instabilidades ocorram e então tomar uma ação corretiva rápida antes que o plasma seja interrompido.”

Este estudo é certamente uma prova de conceito promissora que demonstra como a IA pode controlar efetivamente as reações de fusão. No entanto, os pesquisadores observaram que o grupo de Kolemen já está trabalhando em várias próximas etapas para avançar o campo da pesquisa de fusão.

Portanto, embora haja “evidências fortes” de que o controlador de IA funciona “bastante bem” no tokamak DIII‑D, o foco agora é obter mais evidências do controlador em ação, ter mais dados de que ele também funciona em diferentes situações e, então, expandi‑lo para operar em outros tokamaks.

Mas isso não é tudo. O modelo atual de IA usa apenas um número limitado de diagnósticos que lhe permitem evitar apenas um tipo específico de instabilidade. Assim, os pesquisadores desejam fornecer dados sobre outros tipos de instabilidades, bem como acesso a mais controles para que o controlador de IA faça ajustes. Portanto, a equipe pretende expandir seu algoritmo para lidar com vários tipos de instabilidades controlando muitos diferentes parâmetros simultaneamente.

Nessa jornada para criar controladores de IA mais eficientes, a equipe espera que a IA tenha maior clareza e compreensão das reações de fusão e da física, e que nos ensine ainda mais sobre tudo isso.

Clique aqui para saber por que 2023 foi o ano de destaque para a IA.

Empresas que atuam no campo de IA e reação de fusão

Agora, vamos dar uma olhada em alguns nomes proeminentes do setor:

#1. Google 

O gigante da tecnologia tem participação em todas as áreas, incluindo pesquisa em IA e energia de fusão. Há alguns anos, a DeepMind, apoiada pelo Google, anunciou que havia treinado um sistema de IA para controlar o plasma. O laboratório de IA criou um sistema de IA por reforço para controlar os ímãs e mudar a voltagem milhares de vezes por segundo.

A empresa de mercado de US$ 1,75 trilhão tem suas ações negociando a US$ 140,38, alta de 3% no ano. O Google registrou receita (TTM) de 307,39 bilhões e tem um EPS (TTM) de 5,80, P/E (TTM) de 24,17 e ROE (TTM) de 27,36%.

#2. TAE Technologies

Anteriormente conhecida como Tri Alpha Energy, a empresa com sede na Califórnia está focada no desenvolvimento de tecnologia de energia de fusão. A TAE Technologies está atualmente atualizando sua plataforma de fusão, Norman, para uma máquina de sexta geração chamada Copernicus. Se tudo correr bem, a empresa espera construir sua primeira usina protótipo que poderia se conectar à rede no início da década de 2030, e escalar isso para desenvolver energia comercial “robusta e confiável” ao longo da década. A fusão, segundo seu CEO Michl Binderbauer, nos levaria a um “paradigma de abundância”.

Em 2022, Google e Chevron investiram na TAE Technologies como parte da captação de US$ 250 milhões da empresa. O Google tem, na verdade, parceria com a TAE há uma década e fornece à empresa IA e poder computacional.

#3. ITER

O International Thermonuclear Experimental Reactor é um megaprojeto internacional de pesquisa e engenharia de fusão nuclear que tem avançado sua pesquisa e desenvolvimento de fusão com ML e IA.

“Grandes projetos de ciência como o ITER oferecem uma abundância de dados que são ideais para IA. Eles nos proporcionam uma oportunidade única de aprender, treinar, extrapolar e aplicar essas habilidades em outros setores de manufatura.”

– María Ortiz de Zúñiga, oficial técnico sênior da Fusion for Energy

Conclusão

Como discutimos ao longo deste artigo, IA tem o potencial de transformar vários aspectos da jornada da fusão. No entanto, os avanços recentes em tecnologia aumentaram as esperanças de superar os desafios de longa data enfrentados por essa indústria. Ao aproveitar o poder computacional e as capacidades de reconhecimento de padrões da inteligência artificial, podemos acelerar o desenvolvimento da energia de fusão e finalmente tornar realidade um futuro energético sustentável.