Un’intelligenza artificiale (AI) potrebbe aiutarci a sfruttare il potenziale illimitato di energia della fusione nucleare.
DeepMind AI progettata per domare il tokamak
Secondo un rapporto del MIT News, DeepMind, la società con sede nel Regno Unito di proprietà di Google che costruisce intelligenze artificiali per affrontare alcuni dei problemi scientifici più complessi del mondo, ha addestrato un algoritmo di apprendimento che funge da rinforzo profondo per controllare il plasma fuso all’interno di un reattore a fusione nucleare.
In collaborazione con lo Swiss Plasma Center dell’EPFL, DeepMind è stata in grado di applicare le sue conoscenze di apprendimento automatico per domare un tokamak, un reattore a fusione nucleare che un giorno potrebbe permetterci di avere un’energia illimitata che imita il Sole e le stelle.
Il team, che ha delineato le sue scoperte in un articolo sulla rivista Nature, ha affermato che la nuova svolta potrebbe fornire ai fisici una migliore comprensione di come funziona la fusione. “Questa è una delle applicazioni più impegnative dell’apprendimento per rinforzo in un sistema nel mondo reale”, ha affermato Martin Riedmiller, ricercatore di DeepMind.
La fusione nucleare si verifica quando due atomi si scontrano per formare un nucleo più pesante, un processo che rilascia un’enorme quantità di energia sotto forma di plasma. All’interno delle stelle, questo plasma è tenuto insieme dalla gravità. Qui sulla Terra, gli scienziati devono fare affidamento su potenti laser e magneti, come quello sviluppato dal MIT e dai Commonwealth Fusion Systems sostenuti da Bill Gates.
90 misurazioni monitorate diecimila volte al secondo
In un reattore tokamak, il controllo di questo plasma richiede un monitoraggio costante del campo magnetico. Il team di DeepMind è stato in grado di addestrare il proprio algoritmo di apprendimento per rinforzo per controllare il plasma in una simulazione al computer. Dopo che l’IA ha controllato con successo il plasma virtuale, è stato quindi autorizzato a controllare i magneti nel Tokamak a configurazione variabile (TCV), un reattore sperimentale a Losanna, in Svizzera. L’IA è stata in grado di controllare il plasma per un totale di due secondi, che è la quantità totale di tempo in cui il reattore TCV può funzionare prima che si surriscaldi.
L’IA ha monitorato da vicino il plasma effettuando 90 misurazioni diverse diecimila volte al secondo. Ha quindi regolato la tensione di conseguenza per i 19 magneti del reattore. I ricercatori hanno affermato che questo tipo di intelligenza artificiale potrebbe consentire loro di controllare strettamente i futuri esperimenti di tokamak, il che significa che saranno in grado di sperimentare un numero maggiore di condizioni. Sembra qualcosa uscito dalla fantascienza: un’intelligenza artificiale potrebbe permetterci di sfruttare finalmente la stessa energia delle stelle e del Sole.
Estratto dello studio:
La fusione nucleare mediante confinamento magnetico, in particolare nella configurazione tokamak, è un percorso promettente verso l’energia sostenibile. Una sfida fondamentale è modellare e mantenere un plasma ad alta temperatura all’interno del reattore tokamak. Ciò richiede un controllo ad anello chiuso ad alta frequenza e ad alta dimensione mediante bobine dell’attuatore magnetico, ulteriormente complicato dai diversi requisiti in un’ampia gamma di configurazioni plasma.
“In questo lavoro, introduciamo un’architettura precedentemente non descritta per la progettazione di controller magnetici tokamak che impara autonomamente a comandare l’intero set di bobine di controllo. Questa architettura soddisfa obiettivi di controllo specificati ad alto livello, soddisfacendo allo stesso tempo vincoli fisici e operativi. Questo approccio ha una flessibilità e una generalità senza precedenti nella specifica dei problemi e produce una notevole riduzione dello sforzo di progettazione per produrre nuove configurazioni di plasma”.
“Produciamo e controlliamo con successo una serie diversificata di configurazioni plasma sulla variabile di configurazione Tokamak, comprese forme convenzionali allungate, nonché configurazioni avanzate, come triangolarità negativa e configurazioni a “fiocco di neve”. Il nostro approccio consente di ottenere un tracciamento accurato della posizione, della corrente e della forma per queste configurazioni. Dimostriamo anche “goccioline” sostenute su TCV, in cui due plasmi separati vengono mantenuti contemporaneamente all’interno del reattore”. Hanno affermato gli autori dello studio.
Questo rappresenta un notevole progresso per il controllo del feedback tokamak, che mostra il potenziale dell’apprendimento per rinforzo di accelerare la ricerca nel dominio della fusione ed è uno dei sistemi del mondo reale più impegnativi a cui è stato applicato l’apprendimento per rinforzo.