I ricercatori del MIT Pablo Rodriguez-Fernandez e Nathan Howard hanno appena completato uno dei calcoli più impegnativi nella scienza della fusione:prevedere i profili di temperatura e densità di un plasma confinato magneticamente attraverso la simulazione dei primi principi della turbolenza del plasma. Risolvere questo problema con la forza bruta va oltre le capacità anche dei supercomputer più avanzati. Al contrario, i ricercatori hanno utilizzato una metodologia di ottimizzazione sviluppata per l'apprendimento automatico per ridurre drasticamente il tempo di CPU richiesto pur mantenendo l'accuratezza della soluzione.

Energia da fusione

La fusione offre la promessa di un'energia illimitata e priva di carbonio attraverso lo stesso processo fisico che alimenta il sole e le stelle. Richiede il riscaldamento del carburante a temperature superiori a 100 milioni di gradi, ben al di sopra del punto in cui gli elettroni vengono strappati dai loro atomi, creando una forma di materia chiamata plasma. Sulla Terra, i ricercatori utilizzano forti campi magnetici per isolare e isolare il plasma caldo dalla materia ordinaria. Più forte è il campo magnetico, migliore è la qualità dell'isolamento che fornisce.

Rodriguez-Fernandez e Howard si sono concentrati sulla previsione delle prestazioni attese nel dispositivo SPARC, un esperimento di fusione compatto ad alto campo magnetico, attualmente in costruzione dalla società spin-out del MIT Commonwealth Fusion Systems (CFS) e dai ricercatori del Plasma Science del MIT e Centro Fusione. Sebbene il calcolo richiedesse una quantità straordinaria di tempo al computer, oltre 8 milioni di ore di CPU, ciò che era notevole non era quanto tempo veniva utilizzato, ma quanto poco, data la scoraggiante sfida computazionale.

La sfida computazionale dell'energia da fusione

La turbolenza, che è il meccanismo per la maggior parte della perdita di calore in un plasma confinato, è una delle grandi sfide della scienza e il più grande problema rimasto nella fisica classica. Le equazioni che governano i plasmi di fusione sono ben note, ma non sono possibili soluzioni analitiche nei regimi di interesse, dove le non linearità sono importanti e le soluzioni comprendono un'enorme gamma di scale spaziali e temporali. Gli scienziati ricorrono alla risoluzione delle equazioni mediante simulazione numerica su computer. Non è un caso che i ricercatori sulla fusione siano stati pionieri nella fisica computazionale negli ultimi 50 anni.

Uno dei problemi fondamentali per i ricercatori è prevedere in modo affidabile la temperatura e la densità del plasma data solo la configurazione del campo magnetico e la potenza di ingresso applicata esternamente. Nei dispositivi di confinamento come SPARC, l'energia esterna e il calore immesso dal processo di fusione vengono persi a causa della turbolenza nel plasma. La turbolenza stessa è determinata dalla differenza tra la temperatura estremamente elevata del nucleo del plasma e le temperature relativamente basse del bordo del plasma (solo pochi milioni di gradi). La previsione delle prestazioni di un plasma di fusione autoriscaldato richiede quindi un calcolo del bilancio di potenza tra la potenza di fusione assorbita e le perdite dovute alla turbolenza.

Questi calcoli generalmente iniziano assumendo i profili di temperatura e densità del plasma in una posizione particolare, quindi calcolando il calore trasportato localmente dalla turbolenza. Tuttavia, una previsione utile richiede un calcolo autoconsistente dei profili sull'intero plasma, che include sia l'apporto di calore che le perdite turbolente. Risolvere direttamente questo problema va oltre le capacità di qualsiasi computer esistente, quindi i ricercatori hanno sviluppato un approccio che unisce i profili da una serie di calcoli locali impegnativi ma trattabili. Questo metodo funziona, ma poiché i flussi di calore e particelle dipendono da più parametri, i calcoli possono essere molto lenti a convergere.

Tuttavia, le tecniche che emergono dal campo dell'apprendimento automatico sono adatte per ottimizzare proprio un tale calcolo. Partendo da una serie di calcoli locali ad alta intensità di calcolo eseguiti con il codice CGYRO basato sulla fisica completa (fornito da un team di General Atomics guidato da Jeff Candy) Rodriguez-Fernandez e Howard adattano un modello matematico surrogato, che è stato utilizzato per esplorare e ottimizzare una ricerca all'interno dello spazio dei parametri. I risultati dell'ottimizzazione sono stati confrontati con i calcoli esatti in ciascun punto ottimale e il sistema è stato ripetuto fino al livello di precisione desiderato. I ricercatori stimano che la tecnica abbia ridotto il numero di esecuzioni del codice CGYRO di un fattore quattro.

Il nuovo approccio aumenta la fiducia nelle previsioni

Questo lavoro, descritto in una recente pubblicazione sulla rivista Fusione nucleare , è il calcolo di fedeltà più alto mai effettuato sul nucleo di un plasma di fusione. Affina e conferma le previsioni fatte con modelli meno impegnativi. Il professor Jonathan Citrin, dell'Università di tecnologia di Eindhoven e leader del gruppo di modellazione della fusione per DIFFER, l'Istituto olandese per la ricerca sull'energia fondamentale, ha commentato:"Il lavoro accelera significativamente le nostre capacità nella previsione di scenari tokamak ad altissima fedeltà più di routine. Questo algoritmo può aiutare a fornire il test di convalida definitivo della progettazione della macchina o l'ottimizzazione dello scenario eseguita con una modellazione più rapida e ridotta, aumentando notevolmente la nostra fiducia nei risultati".

Oltre ad aumentare la fiducia nelle prestazioni di fusione dell'esperimento SPARC, questa tecnica fornisce una tabella di marcia per controllare e calibrare modelli fisici ridotti, che funzionano con una piccola frazione della potenza di calcolo. Tali modelli, confrontati con i risultati generati dalle simulazioni di turbolenza, forniranno una previsione affidabile prima di ogni scarica SPARC, aiutando a guidare le campagne sperimentali e migliorando lo sfruttamento scientifico del dispositivo. Può anche essere utilizzato per modificare e migliorare anche semplici modelli basati sui dati, che funzionano in modo estremamente rapido, consentendo ai ricercatori di setacciare enormi intervalli di parametri per restringere possibili esperimenti o possibili macchine future. + Esplora ulteriormente

Per quanto riguarda l'energia da fusione, il team modella la turbolenza del plasma sul supercomputer più veloce della nazione

Questa storia è stata ripubblicata per gentile concessione di MIT News (web.mit.edu/newsoffice/), un popolare sito che copre notizie sulla ricerca, l'innovazione e l'insegnamento del MIT.