Raggiungere con successo la fusione nucleare promette di fornire una fonte illimitata e sostenibile di energia pulita, ma possiamo realizzare questo incredibile sogno solo se riusciamo a padroneggiare la complessa fisica che si svolge all'interno del reattore.
Per decenni, gli scienziati hanno fatto passi avanti verso questo obiettivo, ma molte sfide rimangono. 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 dello Swiss Plasma Center (SPC) dell'EPFL e della società di ricerca di intelligenza artificiale (AI) DeepMind, gli scienziati hanno utilizzato un sistema di deep reinforcement learning (RL) per studiare le sfumature del comportamento e del controllo del plasma all'interno di un tokamak a fusione, un dispositivo a forma di ciambella che utilizza una serie di bobine magnetiche posizionate attorno al reattore per controllare e manipolare il plasma al suo interno.
Non è un facile atto di bilanciamento, poiché le bobine richiedono un'enorme quantità di sottili regolazioni di tensione, fino a migliaia di volte al secondo, per mantenere con successo il plasma confinato all'interno di campi magnetici.
Quindi, per sostenere le reazioni di fusione nucleare, che comporta il mantenimento del 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 profondo 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 imparato 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: stabilizzare le "goccioline" in cui due plasmi coesistevano contemporaneamente all'interno del 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 possiamo mantenere le reazioni di fusione nucleare. Una delle configurazioni controllate dal sistema, potrebbe essere particolarmente promettente per lo studio futuro del reattore sperimentale termonucleare internazionale (ITER), il più grande esperimento di fusione nucleare del mondo, attualmente in costruzione in Francia.
Secondo i ricercatori, la padronanza magnetica di queste formazioni di plasma rappresenta "uno dei sistemi più impegnativi 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, altererà radicalmente il futuro dei sistemi avanzati di controllo del plasma nei reattori a fusione. "Questa IA è, a mio parere, l'unica via da seguire", ha dichiarato a New Scientist il fisico Gianluca Sarri della Queen's University di Belfast, che non è stato coinvolto nello studio. "Ci sono così tante variabili e un piccolo cambiamento in una di esse può causare un grande cambiamento nell'output finale. Se provi a farlo manualmente, è un processo molto lungo."