IA controla com sucesso o plasma no experimento de fusão nuclear!

Por , em 22.02.2022
fusao nuclear plasma tokamak
Plasma dentro do reator Tokamak (Curdin Wüthrich/SPC/EPFL)

Alcançar fusão nuclear com sucesso a vem com a promessa de fornecer energia limpa de forma ilimitada e sustentável, mas só podemos realizar esse sonho incrível se pudermos dominar a física complexa que ocorre dentro de um reator.

Por décadas, cientistas chegando cada vez mais perto desse objetivo, mas muitos desafios ainda permanecem. Um dos principais obstáculos é controlar com sucesso o plasma instável e superaquecido no reator; mas uma nova abordagem revela como podemos fazer isso.

Em uma colaboração do Centro Suíço de Plasma (SPC) da EPFL e da empresa de pesquisa de inteligência artificial (IA) DeepMind, os cientistas usaram um sistema de aprendizado de reforço profundo (AR) para estudar as nuances do comportamento e controle do plasma dentro de um tokamak de fusão — um dispositivo que usa uma série de bobinas magnéticas ao redor do reator para controlar e manipular o plasma dentro dele.

Não é uma performance de equilíbrio simples, pois as bobinas exigem uma enorme quantidade de ajustes sutis de tensão, até milhares de vezes por segundo, para manter com sucesso o plasma confinado em campos magnéticos.

Modelo 3D do vaso de vácuo TCV. (DeepMind/SPC/EPFL)

Assim, para sustentar as reações de fusão nuclear — que envolve manter o plasma estável a centenas de milhões de graus Celsius, mais quente que o núcleo do Sol — são necessários sistemas complexos e multicamadas para gerenciar as bobinas.

Em um novo estudo, no entanto, os pesquisadores mostram que um único sistema de IA pode supervisionar a tarefa sozinho.

“Usando uma arquitetura de aprendizado que combina AR profundo e um ambiente simulado, produzimos controladores que podem manter o plasma estável e ser usados ​​para esculpi-lo com precisão em diferentes formas”, explica a equipe em uma postagem no blog da DeepMind.

Para realizar a façanha, os pesquisadores treinaram seu sistema de IA em um simulador tokamak, no qual o sistema de aprendizado de máquina descobriu por tentativa e erro como navegar pelas complexidades do confinamento magnético do plasma.

Após seu treinamento, a IA passou para o próximo nível – aplicando no mundo real o que havia aprendido no simulador.

Visualização de formas controladas de plasma. (DeepMind/SPC/EPFL)

Ao controlar o tokamak de configuração variável do SPC (TCV), o sistema AR esculpiu o plasma em uma variedade de formas diferentes dentro do reator, incluindo uma que nunca havia sido vista no TCV: estabilizando ‘gotículas’ onde dois plasmas coexistiam simultaneamente dentro o dispositivo.

Além das formas convencionais, a IA também pode produzir configurações avançadas, esculpindo o plasma em configurações de ‘triangularidade negativa’ e ‘floco de neve’.

Cada uma dessas manifestações possui diferentes tipos de potencial para a absorção de energia no futuro, se pudermos manter as reações de fusão nuclear. Uma das configurações controladas pelo sistema aqui, a ‘forma semelhante ao ITER’ (ITER-like shape, na imagem acima), pode ser particularmente promissora para estudos futuros pelo Reator Experimental Termonuclear Internacional (ITER) – o maior experimento de fusão nuclear do mundo, atualmente em construção na França.

De acordo com os pesquisadores, o domínio magnético dessas formações de plasma representa “um dos sistemas do mundo real mais desafiadores aos quais o aprendizado por reforço foi aplicado” e pode estabelecer uma nova direção radical em como os tokamaks do mundo real são projetados.

De fato, alguns sugerem que o que estamos presencialdo aqui vai alterar fundamentalmente o futuro dos sistemas avançados de controle de plasma em reatores de fusão.

“Esta IA é, na minha opinião, o único caminho a seguir”, disse o físico Gianluca Sarri, da Queen’s University Belfast, que não estava envolvido no estudo, à New Scientist .

“Existem tantas variáveis, e uma pequena alteração … pode causar uma grande mudança no resultado final. Se tentássemos fazer isso manualmente, seria um processo muito demorado.”

As descobertas são foram relatadas na revista científica Nature.

Deixe seu comentário!