Aprendizaje automático (ML), una forma de inteligencia artificial que reconoce rostros, entiende el idioma y navega en vehículos autónomos, puede ayudar a traer a la Tierra la energía de fusión limpia que ilumina el sol y las estrellas. Investigadores del Laboratorio de Física del Plasma de Princeton (PPPL) del Departamento de Energía de EE. UU. (DOE) están utilizando ML para crear un modelo para el control rápido del plasma, el estado de la materia compuesta de electrones libres y núcleos atómicos, o iones, que alimenta las reacciones de fusión.

El sol y la mayoría de las estrellas son bolas gigantes de plasma que sufren constantes reacciones de fusión. Aquí en la tierra, los científicos deben calentar y controlar el plasma para que las partículas se fusionen y liberen su energía. La investigación de PPPL muestra que ML puede facilitar dicho control.

Redes neuronales

Los investigadores dirigidos por el físico de PPPL Dan Boyer han entrenado redes neuronales, el núcleo del software ML, en datos producidos en la primera campaña operativa del National Spherical Torus Experiment-Upgrade (NSTX-U), la instalación insignia de fusión, o tokamak, en PPPL. El modelo entrenado reproduce con precisión las predicciones del comportamiento de las partículas energéticas producidas por la potente inyección de haz neutro (NBI) que se utiliza para alimentar los plasmas NSTX-U y calentarlos a millones de grados. temperaturas relevantes para la fusión.

Estas predicciones son generadas normalmente por un complejo código de computadora llamado NUBEAM, que incorpora información sobre el impacto del rayo en el plasma. Estos cálculos complejos deben realizarse cientos de veces por segundo para analizar el comportamiento del plasma durante un experimento. Pero cada cálculo puede tardar varios minutos en ejecutarse, poner los resultados a disposición de los físicos solo después de completar un experimento que suele durar unos pocos segundos.

El nuevo software ML reduce el tiempo necesario para predecir con precisión el comportamiento de las partículas energéticas a menos de 150 microsegundos, lo que permite que los cálculos se realicen en línea durante el experimento.

La aplicación inicial del modelo demostró una técnica para estimar las características del comportamiento del plasma que no se midieron directamente. Esta técnica combina las predicciones de ML con las medidas limitadas de las condiciones del plasma disponibles en tiempo real. Los resultados combinados ayudarán al sistema de control de plasma en tiempo real a tomar decisiones más informadas sobre cómo ajustar la inyección del haz para optimizar el rendimiento y mantener la estabilidad del plasma, una cualidad crítica para las reacciones de fusión.

Evaluaciones rápidas

Las evaluaciones rápidas también ayudarán a los operadores a realizar ajustes mejor informados entre los experimentos que se ejecutan cada 15-20 minutos durante las operaciones. "Las capacidades de modelado acelerado podrían mostrar a los operadores cómo ajustar la configuración de NBI para mejorar el próximo experimento, "dijo Boyer, autor principal de un artículo en Nuclear Fusion que informa sobre el nuevo modelo.

Boyer, trabajando con el físico de PPPL Stan Kaye, generó una base de datos de cálculos de NUBEAM para una variedad de condiciones de plasma similares a las logradas en los experimentos durante la ejecución inicial de NSTX-U. Los investigadores utilizaron la base de datos para entrenar una red neuronal para predecir los efectos de los rayos neutrales en el plasma. como calefacción y perfiles de la corriente. El ingeniero de software Keith Erickson implementó un software para evaluar el modelo en las computadoras utilizadas para controlar activamente el experimento para probar el tiempo de cálculo.

El nuevo trabajo incluirá el desarrollo de modelos de redes neuronales adaptados a las condiciones planificadas de futuras campañas NSTX-U y otras instalaciones de fusión. Además, Los investigadores planean expandir el enfoque de modelado actual para permitir predicciones aceleradas de otros fenómenos de plasma de fusión.