Développement de la fusion nucléaire grâce à l’intelligence artificielle





L’IA révolutionne l’énergie de fusion en prédisant les instabilités du plasma

L’IA révolutionne l’énergie de fusion en prédisant les instabilités du plasma

Une équipe dirigée par Princeton a développé un modèle d’IA pour prédire et éviter les instabilités du plasma dans les réacteurs à fusion, démontrant des améliorations du contrôle en temps réel et ouvrant la voie à une production d’énergie de fusion plus fiable.

En un clin d’œil, le plasma incommode et surchauffé qui alimente une réaction de fusion peut perdre sa stabilité et s’échapper des forts champs magnétiques le confinant à l’intérieur du réacteur à fusion en forme de donut. Ces fuites signifient souvent la fin de la réaction, posant un défi majeur au développement de la fusion comme source d’énergie non polluante et pratiquement illimitée.

Mais une équipe dirigée par Princeton composée d’ingénieurs, de physiciens et de data scientists de l’Université et du Laboratoire de Physique des Plasmas de Princeton (PPPL) a exploité la puissance de l’intelligence artificielle pour prédire – puis éviter – la formation d’un problème spécifique du plasma en temps réel. Il s’agit d’une étape cruciale pour faire de l’énergie de fusion une source d’énergie propre et viable.

Le travail ouvre la voie à un contrôle plus dynamique d’une réaction de fusion que les approches actuelles. Il constitue une base pour utiliser l’intelligence artificielle afin de résoudre un large éventail d’instabilités du plasma, qui ont longtemps été des obstacles à l’obtention d’une réaction de fusion soutenue. L’équipe a publié ses résultats dans Nature le 21 février.

Contrôler l’instabilité du plasma avec l’IA

Puisque les instabilités des modes de déchirure peuvent se former et perturber une réaction de fusion en quelques millisecondes, les chercheurs se sont tournés vers l’intelligence artificielle pour sa capacité à traiter rapidement et agir en réponse à de nouvelles données.

Mais le processus pour développer un contrôleur d’IA efficace n’était pas aussi simple que d’essayer quelques choses sur un tokamak, où le temps est limité et les enjeux sont élevés.

Les chercheurs ont utilisé des données provenant d’expériences passées sur le tokamak DIII-D pour construire un réseau neuronal profond capable de prédire la probabilité d’une future instabilité de déchirure basée sur les caractéristiques du plasma en temps réel. Ils ont utilisé ce réseau neuronal pour entraîner un algorithme d’apprentissage par renforcement. Comme un apprenant pilote, l’algorithme d’apprentissage par renforcement a pu essayer différentes stratégies de contrôle du plasma, apprenant par essais et erreurs quelles stratégies fonctionnaient et lesquelles ne fonctionnaient pas dans un environnement simulé.

Une fois qu’ils ont eu confiance en les capacités du contrôleur d’IA, ils l’ont testé lors d’une expérience réelle de fusion au tokamak D-III D, observant comment le contrôleur effectuait des modifications en temps réel de certains paramètres du tokamak pour éviter le début d’une instabilité.

Orienter vers l’avenir

Les chercheurs ont déclaré que le travail est une preuve de concept prometteuse démontrant comment l’intelligence artificielle peut contrôler efficacement les réactions de fusion, mais ce n’est que l’une des nombreuses prochaines étapes déjà en cours dans le groupe de Kolemen pour faire avancer le domaine de la recherche sur la fusion.

La première étape est d’obtenir plus de preuves du contrôleur d’IA en action au tokamak DIII-D, puis d’étendre le contrôleur pour fonctionner sur d’autres tokamaks.

Une seconde ligne de recherche consiste à étendre l’algorithme pour traiter de nombreux problèmes de contrôle différents en même temps. Alors que le modèle actuel utilise un nombre limité de diagnostics pour éviter un type spécifique d’instabilité, les chercheurs pourraient fournir des données sur d’autres types d’instabilités et donner accès à plus de boutons pour que le contrôleur d’IA puisse ajuster.