Raggiungere con successo la fusione nucleare mantenendo la promessa di fornire una fonte illimitata e sostenibile di energia pulita potrebbe rivelarsi fattibile se riuscissimo a padroneggiare con le leggi della fisica. Su questo passaggio chiave – riportano alcuni ricercatori – il ruolo dei software potrebbe rappresentare un punto di svolta:
Per decenni, gli scienziati hanno compiuto passi avanti verso questo obiettivo ma rimangono molte sfide. Uno degli ostacoli principali è controllare con successo il plasma instabile e surriscaldato nel reattore, ma un nuovo approccio rivela come possiamo farlo. In uno sforzo congiunto del Centro svizzero del plasma (SPC) dell’EPFL e della società di ricerca sull’intelligenza artificiale (AI) DeepMind, gli scienziati hanno utilizzato un sistema di apprendimento per rinforzo profondo (RL) per studiare le sfumature del comportamento e del controllo del plasma all’interno di un tokamak a fusione, un tokamak a forma di ciambella dispositivo che utilizza una serie di bobine magnetiche poste attorno al reattore per controllare e manipolare il plasma al suo interno. Non è un atto di bilanciamento facile, poiché le bobine richiedono un’enorme quantità di sottili regolazioni della tensione, fino a migliaia di volte al secondo, per mantenere con successo il plasma confinato all’interno dei campi magnetici. Quindi, per sostenere le reazioni di fusione nucleare – che implicano mantenere il plasma stabile a centinaia di milioni di gradi Celsius, più caldo persino del nucleo del Sole – sono necessari sistemi complessi e multistrato per gestire le bobine:
In un nuovo studio , tuttavia, i ricercatori dimostrano che un singolo sistema di intelligenza artificiale può supervisionare il compito da solo. “Utilizzando un’architettura di apprendimento che combina RL profonda e un ambiente simulato, abbiamo prodotto controller che possono sia mantenere il plasma stabile sia essere utilizzati per scolpirlo accuratamente in forme diverse” , spiega il team in un post sul blog di DeepMind. Per portare a termine l’impresa, i ricercatori hanno addestrato il loro sistema di intelligenza artificiale in un simulatore di tokamak, in cui il sistema di apprendimento automatico ha scoperto attraverso tentativi ed errori come navigare nelle complessità del confinamento magnetico del plasma. Dopo la sua finestra di addestramento, l’IA è passata al livello successivo, applicando nel mondo reale ciò che aveva appreso nel simulatore. Controllando il tokamak a configurazione variabile (TCV) dell’SPC, il sistema RL ha scolpito il plasma in una gamma di forme diverse all’interno del reattore, inclusa una che non era mai stata vista prima nel TCV:
stabilizzazione delle “goccioline” in cui due plasmi coesistevano simultaneamente all’interno il dispositivo. Oltre alle forme convenzionali, l’IA potrebbe anche produrre configurazioni avanzate, scolpendo il plasma in configurazioni di “triangolarità negativa” e “fiocco di neve“. Ognuna di queste manifestazioni ha diversi tipi di potenziale per la raccolta di energia in futuro se siamo in grado di mantenere le reazioni di fusione nucleare. Una delle configurazioni controllate dal sistema qui, la “forma simile a ITER” (come visto sopra), potrebbe essere particolarmente promettente per lo studio futuro dell’International Thermonuclear Experimental Reactor (ITER), il più grande esperimento di fusione nucleare al mondo, attualmente in costruzione in Francia. Secondo i ricercatori, la padronanza magnetica di queste formazioni di plasma rappresenta “uno dei più impegnativi sistemi del mondo reale a cui è stato applicato l’apprendimento per rinforzo” e potrebbe stabilire una direzione radicalmente nuova nel modo in cui sono progettati i tokamak del mondo reale. In effetti, alcuni suggeriscono che ciò che stiamo vedendo qui cambierà radicalmente il futuro dei sistemi avanzati di controllo del plasma nei reattori a fusione. “Questa IA è, secondo me, l’unica via da seguire”, ha detto a New Scientist il fisico Gianluca Sarri della Queen’s University di Belfast, che non era coinvolto nello studio . “Ci sono così tante variabili e una piccola modifica in una di esse può causare un grande cambiamento nell’output finale. Se provi a farlo manualmente, è un processo molto lungo”.
I risultati sono riportati su Nature. Fonti aggiuntive:
https://www.iter.org/mach/Tokamak
https://en.wikipedia.org/wiki/Tokamak_%C3%A0_configuration_variable
https://www.nature.com/articles/s41586-021-04301-9
