• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  •  Science >> Ciencia >  >> Física
    Los ingenieros utilizan la IA para conseguir energía de fusión para la red
    Crédito:Pixabay/CC0 Dominio público

    En un abrir y cerrar de ojos, el plasma rebelde y sobrecalentado que impulsa una reacción de fusión puede perder su estabilidad y escapar de los fuertes campos magnéticos que lo confinan dentro del reactor de fusión en forma de rosquilla. Estas escapadas frecuentemente significan el fin de la reacción, lo que plantea un desafío central para desarrollar la fusión como una fuente de energía prácticamente ilimitada y no contaminante.



    Pero un equipo dirigido por Princeton compuesto por ingenieros, físicos y científicos de datos de la Universidad y el Laboratorio de Física del Plasma de Princeton (PPPL) ha aprovechado el poder de la inteligencia artificial para predecir (y luego evitar) la formación de un problema de plasma específico en condiciones reales. tiempo.

    En experimentos en el Centro Nacional de Fusión DIII-D en San Diego, los investigadores demostraron que su modelo, entrenado únicamente con datos experimentales anteriores, podía pronosticar posibles inestabilidades del plasma conocidas como inestabilidades en modo de desgarro con hasta 300 milisegundos de anticipación.

    Si bien eso no deja tiempo más que suficiente para un parpadeo lento en humanos, fue tiempo suficiente para que el controlador de IA cambiara ciertos parámetros operativos para evitar lo que se habría convertido en un desgarro dentro de las líneas del campo magnético del plasma, alterando su equilibrio y abriéndose. la puerta para un escape que ponga fin a la reacción.

    "Al aprender de experimentos anteriores, en lugar de incorporar información de modelos basados ​​en la física, la IA podría desarrollar una política de control final que respaldara un régimen de plasma estable y de alta potencia en tiempo real, en un reactor real", dijo el líder de la investigación, Egemen Kolemen. , profesor asociado de ingeniería mecánica y aeroespacial y del Centro Andlinger para la Energía y el Medio Ambiente, así como físico investigador del PPPL.

    La investigación abre la puerta a un control más dinámico de una reacción de fusión que los enfoques actuales, y proporciona una base para el uso de inteligencia artificial para resolver una amplia gama de inestabilidades del plasma, que durante mucho tiempo han sido obstáculos para lograr una reacción de fusión sostenida. El equipo publicó sus hallazgos en Nature. el 21 de febrero.

    "Los estudios anteriores generalmente se han centrado en suprimir o mitigar los efectos de estas inestabilidades de desgarro después de que ocurren en el plasma", dijo el primer autor Jaemin Seo, profesor asistente de física en la Universidad Chung-Ang en Corea del Sur, quien realizó gran parte del trabajo. mientras era investigador postdoctoral en el grupo de Kolemen. "Pero nuestro enfoque nos permite predecir y evitar esas inestabilidades antes de que aparezcan".

    Plasma sobrecalentado girando en un dispositivo con forma de donut

    La fusión tiene lugar cuando dos átomos (normalmente átomos ligeros como el hidrógeno) se unen para formar un átomo más pesado, liberando una gran cantidad de energía en el proceso. El proceso alimenta el sol y, por extensión, hace posible la vida en la Tierra.

    Sin embargo, conseguir que los dos átomos se fusionen es complicado, ya que se necesitan enormes cantidades de presión y energía para que los dos átomos superen su repulsión mutua.

    Afortunadamente para el Sol, su enorme atracción gravitacional y sus presiones extremadamente altas en su núcleo permiten que se produzcan reacciones de fusión. Para replicar un proceso similar en la Tierra, los científicos utilizan plasma extremadamente caliente e imanes extremadamente fuertes.

    En dispositivos con forma de rosquilla conocidos como tokamaks, a veces denominados "estrellas en frascos", los campos magnéticos luchan por contener plasmas que alcanzan temperaturas superiores a los 100 millones de grados Celsius, más calientes que el centro del sol.

    Si bien hay muchos tipos de inestabilidades del plasma que pueden terminar la reacción, el equipo de Princeton se concentró en resolver las inestabilidades en modo desgarro, una perturbación en la que las líneas del campo magnético dentro de un plasma en realidad se rompen y crean una oportunidad para el posterior escape del plasma.

    "Las inestabilidades del modo de desgarro son una de las principales causas de la alteración del plasma, y ​​se volverán aún más prominentes a medida que intentemos ejecutar reacciones de fusión a las altas potencias necesarias para producir suficiente energía", dijo Seo. "Son un desafío importante que debemos resolver."

    Fusionando inteligencia artificial y física del plasma

    Dado que las inestabilidades del modo de desgarro pueden formar y descarrilar una reacción de fusión en milisegundos, los investigadores recurrieron a la inteligencia artificial por su capacidad para procesar y actuar rápidamente en respuesta a nuevos datos.

    Pero el proceso para desarrollar un controlador de IA eficaz no fue tan simple como probar algunas cosas en un tokamak, donde el tiempo es limitado y hay mucho en juego.

    El coautor Azarakhsh Jalalvand, investigador del grupo de Kolemen, comparó enseñar un algoritmo para ejecutar una reacción de fusión en un tokamak con enseñar a alguien a volar un avión.

    "No le enseñarías a alguien entregándole un juego de llaves y diciéndole que haga lo mejor que pueda", dijo Jalalvand. "En lugar de eso, les harías practicar en un simulador de vuelo muy complejo hasta que hayan aprendido lo suficiente como para probarlo en la realidad".

    Al igual que el desarrollo de un simulador de vuelo, el equipo de Princeton utilizó datos de experimentos anteriores en el tokamak DIII-D para construir una red neuronal profunda capaz de predecir la probabilidad de una futura inestabilidad de desgarro basándose en las características del plasma en tiempo real.

    Usaron esa red neuronal para entrenar un algoritmo de aprendizaje por refuerzo. Como un piloto en formación, el algoritmo de aprendizaje por refuerzo podría probar diferentes estrategias para controlar el plasma, aprendiendo mediante prueba y error qué estrategias funcionaron y cuáles no dentro de la seguridad de un entorno simulado.

    "No enseñamos al modelo de aprendizaje por refuerzo toda la física compleja de una reacción de fusión", dijo Jalalvand. "Le decimos cuál es el objetivo (mantener una reacción de alta potencia), qué evitar (una inestabilidad en el modo de desgarro) y los botones que puede girar para lograr esos resultados. Con el tiempo, aprende el camino óptimo para lograr el objetivo de alto poder evitando el castigo de una inestabilidad."

    Mientras el modelo pasaba por innumerables experimentos de fusión simulados, tratando de encontrar formas de mantener altos niveles de potencia y al mismo tiempo evitar inestabilidades, el coautor SangKyeun Kim pudo observar y refinar sus acciones.

    "En el fondo, podemos ver las intenciones del modelo", dijo Kim, investigador científico del PPPL y ex investigador postdoctoral en el grupo de Kolemen. "Algunos de los cambios que quiere el modelo son demasiado rápidos, por lo que trabajamos para suavizar y calmar el modelo. Como humanos, arbitramos entre lo que la IA quiere hacer y lo que el tokamak puede acomodar".

    Una vez que tuvieron confianza en las capacidades del controlador de IA, lo probaron durante un experimento de fusión real en el tokamak D-III D, observando cómo el controlador hacía cambios en tiempo real en ciertos parámetros del tokamak para evitar la aparición de una inestabilidad. Estos parámetros incluían cambiar la forma del plasma y la fuerza de los rayos que ingresan energía a la reacción.

    "Ser capaz de predecir las inestabilidades con anticipación puede hacer que estas reacciones sean más fáciles de ejecutar que los enfoques actuales, que son más pasivos", dijo Kim. "Ya no tenemos que esperar a que se produzcan las inestabilidades y luego tomar medidas correctivas rápidas antes de que el plasma se altere".

    Impulsando el futuro

    Si bien los investigadores dijeron que el trabajo es una prueba de concepto prometedora que demuestra cómo la inteligencia artificial puede controlar eficazmente las reacciones de fusión, es sólo uno de los muchos próximos pasos que ya están en marcha en el grupo de Kolemen para avanzar en el campo de la investigación de la fusión.

    El primer paso es obtener más pruebas del controlador de IA en acción en el tokamak DIII-D y luego expandir el controlador para que funcione en otros tokamaks.

    "Tenemos pruebas sólidas de que el controlador funciona bastante bien en DIII-D, pero necesitamos más datos para demostrar que puede funcionar en varias situaciones diferentes", dijo el primer autor, Seo. "Queremos trabajar hacia algo más universal."

    Una segunda línea de investigación implica ampliar el algoritmo para manejar muchos problemas de control diferentes al mismo tiempo. Si bien el modelo actual utiliza una cantidad limitada de diagnósticos para evitar un tipo específico de inestabilidad, los investigadores podrían proporcionar datos sobre otros tipos de inestabilidades y dar acceso a más perillas para que el controlador de IA los sintonice.

    "Se podría imaginar una gran función de recompensa que gire muchas perillas diferentes para controlar simultáneamente varios tipos de inestabilidades", dijo el coautor Ricardo Shousha, postdoctorado en PPPL y ex estudiante de posgrado en el grupo de Kolemen que brindó apoyo para los experimentos en DIII- D.

    Y en el camino hacia el desarrollo de mejores controladores de IA para reacciones de fusión, los investigadores también podrían comprender mejor la física subyacente. Al estudiar las decisiones del controlador de IA mientras intenta contener el plasma, que pueden ser radicalmente diferentes de lo que podrían prescribir los enfoques tradicionales, la inteligencia artificial puede ser no solo una herramienta para controlar las reacciones de fusión sino también un recurso de enseñanza.

    "Con el tiempo, puede ser algo más que una simple interacción unidireccional entre los científicos que desarrollan y utilizan estos modelos de IA", afirmó Kolemen. "Al estudiarlos con más detalle, es posible que tengan ciertas cosas que puedan enseñarnos a nosotros también".

    Más información: Egemen Kolemen, Evitar la inestabilidad del desgarro en el plasma de fusión mediante el aprendizaje por refuerzo profundo, Naturaleza (2024). DOI:10.1038/s41586-024-07024-9. www.nature.com/articles/s41586-024-07024-9

    Información de la revista: Naturaleza

    Proporcionado por la Universidad de Princeton




    © Ciencia https://es.scienceaq.com