Lograr con éxito la fusión nuclear promete brindar una fuente ilimitada y sostenible de energía limpia, pero solo podemos realizar este sueño increíble si podemos dominar la física compleja que tiene lugar dentro del reactor.
Durante décadas, los científicos han estado dando pasos incrementales hacia este objetivo, pero aún quedan muchos desafíos. Uno de los principales obstáculos es controlar con éxito el plasma inestable y sobrecalentado en el reactor, pero un nuevo enfoque revela cómo podemos hacerlo.
En un esfuerzo conjunto del Swiss Plasma Center (SPC) de EPFL y la empresa de investigación de inteligencia artificial (IA) DeepMind, los científicos utilizaron un aprendizaje de refuerzo profundo (RL) para estudiar los matices del comportamiento y control del plasma dentro de un fusión tokamak – un dispositivo en forma de rosquilla que utiliza una serie de bobinas magnéticas colocadas alrededor del reactor para controlar y manipular el plasma en su interior.
No es un acto de equilibrio fácil, ya que las bobinas requieren una gran cantidad de sutiles ajustes de voltaje, hasta miles de veces por segundo, para mantener con éxito el plasma confinado dentro de los campos magnéticos.
Por lo tanto, para mantener las reacciones de fusión nuclear, que implica mantener estable el plasma a cientos de millones de grados Celsius, más caliente incluso que el núcleo del Sol, se necesitan sistemas complejos de varias capas para administrar las bobinas.
en un nuevo estudioSin embargo, los investigadores muestran que un solo sistema de IA puede supervisar la tarea por sí mismo.
“Usando una arquitectura de aprendizaje que combina RL profundo y un entorno simulado, producimos controladores que pueden mantener el plasma estable y usarse para esculpirlo con precisión en diferentes formas”. el equipo explica en una publicación de blog de DeepMind.
Para llevar a cabo la hazaña, los investigadores entrenaron su sistema de IA en un simulador tokamak, en el que el sistema de aprendizaje automático descubrió a través de prueba y error cómo navegar por las complejidades del confinamiento magnético del plasma.
Después de su ventana de entrenamiento, la IA pasó al siguiente nivel, aplicando en el mundo real lo que había aprendido en el simulador.
Visualización de formas de plasma controladas. (Mente profunda/SPC/EPFL)
Controlando los SPC Tokamak de configuración variable (TCV), el sistema RL esculpió plasma en una variedad de formas diferentes dentro del reactor, incluida una que nunca antes se había visto en el TCV: ‘gotas’ estabilizadoras donde dos plasmas coexistían simultáneamente dentro del dispositivo.
Además de las formas convencionales, la IA también podría producir configuraciones avanzadas, esculpiendo el plasma en configuraciones de “triangularidad negativa” y “copo de nieve”.
Cada una de estas manifestaciones tiene diferentes tipos de potencial para recolectar energía en el futuro si podemos mantener las reacciones de fusión nuclear. Una de las configuraciones controladas por el sistema aquí, la ‘forma similar a ITER’ (como se ve arriba), podría ser particularmente prometedora para el estudio futuro del Reactor Experimental Termonuclear Internacional (ITER), el experimento de fusión nuclear más grande del mundo, actualmente en construcción. en Francia.
Según los investigadores, el dominio magnético de estas formaciones de plasma representa “uno de los sistemas del mundo real más desafiantes a los que se ha aplicado el aprendizaje por refuerzo”, y podría establecer una nueva dirección radical en la forma en que se diseñan los tokamaks del mundo real.
De hecho, algunos sugieren que lo que estamos viendo aquí alterará fundamentalmente el futuro de los sistemas avanzados de control de plasma en reactores de fusión.
“Esta IA es, en mi opinión, el único camino a seguir”, dijo el físico Gianluca Sarri de la Queen’s University Belfast, que no participó en el estudio. Científico nuevo.
“Hay tantas variables, y un pequeño cambio en una de ellas puede provocar un gran cambio en el resultado final. Si intenta hacerlo manualmente, es un proceso muy largo”.
Los hallazgos se informan en Naturaleza.