Apprendimento automatico (ML), una forma di intelligenza artificiale che riconosce i volti, comprende la lingua e naviga in auto a guida autonoma, può aiutare a portare sulla Terra l'energia di fusione pulita che illumina il sole e le stelle. I ricercatori del Princeton Plasma Physics Laboratory (PPPL) del Dipartimento dell'energia degli Stati Uniti stanno utilizzando la ML per creare un modello per il controllo rapido del plasma, lo stato della materia composto da elettroni liberi e nuclei atomici, o ioni, che alimentano le reazioni di fusione.

Il sole e la maggior parte delle stelle sono gigantesche sfere di plasma che subiscono continue reazioni di fusione. Qui sulla Terra, gli scienziati devono riscaldare e controllare il plasma per far fondere le particelle e rilasciare la loro energia. La ricerca PPPL mostra che il machine learning può facilitare tale controllo.

Reti neurali

I ricercatori guidati dal fisico PPPL Dan Boyer hanno addestrato le reti neurali, il nucleo del software ML, sui dati prodotti nella prima campagna operativa del National Spherical Torus Experiment-Upgrade (NSTX-U), l'impianto di fusione di punta, o tokamak, presso PPPL. Il modello addestrato riproduce accuratamente le previsioni del comportamento delle particelle energetiche prodotte dalla potente iniezione di raggio neutro (NBI) che viene utilizzato per alimentare i plasmi NSTX-U e riscaldarli a milioni di gradi, temperature rilevanti per la fusione.

Queste previsioni sono normalmente generate da un complesso codice informatico chiamato NUBEAM, che incorpora informazioni sull'impatto del raggio sul plasma. Tali calcoli complessi devono essere eseguiti centinaia di volte al secondo per analizzare il comportamento del plasma durante un esperimento. Ma ogni calcolo può richiedere diversi minuti per essere eseguito, rendendo disponibili i risultati ai fisici solo dopo il completamento di un esperimento che in genere dura pochi secondi.

Il nuovo software ML riduce il tempo necessario per prevedere con precisione il comportamento delle particelle energetiche a meno di 150 microsecondi, consentendo di eseguire i calcoli online durante l'esperimento.

L'applicazione iniziale del modello ha dimostrato una tecnica per stimare le caratteristiche del comportamento del plasma non misurate direttamente. Questa tecnica combina le previsioni ML con le misurazioni limitate delle condizioni del plasma disponibili in tempo reale. I risultati combinati aiuteranno il sistema di controllo del plasma in tempo reale a prendere decisioni più informate su come regolare l'iniezione del fascio per ottimizzare le prestazioni e mantenere la stabilità del plasma, una qualità fondamentale per le reazioni di fusione.

Valutazioni rapide

Le valutazioni rapide aiuteranno anche gli operatori a effettuare regolazioni più informate tra gli esperimenti che vengono eseguiti ogni 15-20 minuti durante le operazioni. "Le capacità di modellazione accelerate potrebbero mostrare agli operatori come regolare le impostazioni NBI per migliorare il prossimo esperimento, " disse Boyer, autore principale di un articolo sulla fusione nucleare che riporta il nuovo modello.

Boyer, lavorando con il fisico PPPL Stan Kaye, ha generato un database di calcoli NUBEAM per una serie di condizioni del plasma simili a quelle ottenute negli esperimenti durante la corsa iniziale di NSTX-U. I ricercatori hanno utilizzato il database per addestrare una rete neurale per prevedere gli effetti dei raggi neutri sul plasma, come il riscaldamento e i profili della corrente. L'ingegnere del software Keith Erickson ha quindi implementato un software per valutare il modello sui computer utilizzati per controllare attivamente l'esperimento per testare il tempo di calcolo.

Il nuovo lavoro includerà lo sviluppo di modelli di rete neurale su misura per le condizioni pianificate delle future campagne NSTX-U e altre strutture di fusione. Inoltre, i ricercatori hanno in programma di espandere l'attuale approccio di modellazione per consentire previsioni accelerate di altri fenomeni di fusione del plasma.