Des ingénieurs utilisent l'IA pour obtenir de l'énergie de fusion
Des ingénieurs utilisent l'IA pour obtenir de l'énergie de fusion : ils ont exploité la puissance de l'IA pour prédire et éviter la formation d'un problème de plasma spécifique en temps réel.
Même si le développement de la fusion peut apporter un source d'énergie non polluante et virtuellement illimitée, les problèmes de plamsa représentent un défi majeur. Une équipe d'ingénieurs a exploité la puissance de l'IA pour résoudre un problème spécifique du plasma en temps réel. Ils ont pu obtenir de l'énergie de fusion et ainsi poser les bases pour faire progresser le domaine de la recherche sur la fusion.
En un clin d'œil, le plasma surchauffé et indiscipliné qui alimente une réaction de fusion peut perdre sa stabilité et s'échapper des champs magnétiques puissants qui le confinent à l'intérieur du réacteur de fusion en forme de beignet. Ces fuites signifient souvent la fin de la réaction, ce qui constitue un défi majeur pour le développement de la fusion en tant que source d'énergie non polluante et virtuellement illimitée.
Mais une équipe dirigée par Princeton et composée d'ingénieurs, de physiciens et de spécialistes des données de l'université et du laboratoire de physique des plasmas de Princeton (PPPL) a exploité la puissance de l'intelligence artificielle pour prédire - et ensuite éviter - la formation d'un problème de plasma spécifique en temps réel.
Lors d'expériences menées au centre national de fusion DIII-D de San Diego, les chercheurs ont démontré que leur modèle, formé uniquement à partir de données expérimentales antérieures, pouvait prévoir jusqu'à 300 millisecondes à l'avance les instabilités potentielles du plasma, connues sous le nom d'instabilités en mode déchirure. Bien que cela ne laisse pas plus de temps qu'un clignement lent des yeux chez l'homme, le contrôleur d'IA a eu largement le temps de modifier certains paramètres de fonctionnement afin d'éviter ce qui se serait transformé en une déchirure dans les lignes de champ magnétique du plasma, perturbant son équilibre et ouvrant la porte à une fuite qui mettrait fin à la réaction.
Illustration du contrôle du tokamak par le système d'évitement des déchirures de l'IA et des réponses du plasma.
"En apprenant des expériences passées, plutôt qu'en incorporant des informations provenant de modèles basés sur la physique, l'IA a pu développer une politique de contrôle finale qui a soutenu un régime de plasma stable et puissant en temps réel, dans un réacteur réel", a déclaré le chef de recherche Egemen Kolemen, professeur associé de génie mécanique et aérospatial et du Centre Andlinger pour l'énergie et l'environnement, ainsi que physicien chercheur au PPPL.
Cette recherche ouvre la voie à un contrôle plus dynamique de la réaction de fusion que les approches actuelles et jette les bases de l'utilisation de l'intelligence artificielle pour résoudre un large éventail d'instabilités du plasma, qui constituent depuis longtemps des obstacles à l'obtention d'une réaction de fusion durable. L'équipe a publié ses résultats dans la revue Nature le 21 février.
"Les études précédentes se sont généralement concentrées sur la suppression ou l'atténuation des effets de ces instabilités de déchirement après qu'elles se soient produites dans le plasma", a déclaré le premier auteur, Jaemin Seo, professeur adjoint de physique à l'université Chung-Ang en Corée du Sud, qui a effectué la majeure partie du travail alors qu'il était chercheur postdoctoral dans le groupe de M. Kolemen. "Mais notre approche nous permet de prédire et d'éviter ces instabilités avant même qu'elles n'apparaissent."
Plasma surchauffé tourbillonnant dans un dispositif en forme de beignet
La fusion a lieu lorsque deux atomes - généralement des atomes légers comme l'hydrogène - s'assemblent pour former un atome plus lourd, libérant ainsi une grande quantité d'énergie. Ce processus alimente le Soleil et, par extension, rend possible la vie sur Terre. Cependant, la fusion des deux atomes est délicate, car il faut d'énormes quantités de pression et d'énergie pour que les deux atomes surmontent leur répulsion mutuelle.
Heureusement pour le Soleil, son énorme attraction gravitationnelle et les pressions extrêmement élevées en son cœur permettent aux réactions de fusion de se produire. Pour reproduire un processus similaire sur la Terre, les scientifiques utilisent un plasma extrêmement chaud et des aimants extrêmement puissants. Dans les dispositifs en forme de beignet appelés tokamaks - parfois appelés "étoiles en bocal" - les champs magnétiques luttent pour contenir des plasmas qui atteignent plus de 100 millions de degrés Celsius, soit une température supérieure à celle du centre du Soleil.
Bien qu'il existe de nombreux types d'instabilités du plasma susceptibles de mettre fin à la réaction, l'équipe de Princeton s'est concentrée sur la résolution des instabilités en mode déchirure, une perturbation dans laquelle les lignes de champ magnétique à l'intérieur d'un plasma se brisent et créent une opportunité pour le plasma de s'échapper par la suite.
"Les instabilités de mode de déchirement sont l'une des principales causes de perturbation du plasma, et elles deviendront encore plus importantes lorsque nous essaierons de faire fonctionner les réactions de fusion aux puissances élevées requises pour produire suffisamment d'énergie", a déclaré M. Seo. "Il s'agit d'un défi important que nous devons relever."
Fusionner l'intelligence artificielle et la physique des plasmas
Étant donné que les instabilités en mode déchirure peuvent se former et faire dérailler une réaction de fusion en quelques millisecondes, les chercheurs se sont tournés vers l'intelligence artificielle pour sa capacité à traiter et à agir rapidement en réponse à de nouvelles données. Mais le processus de développement d'un contrôleur IA efficace n'a pas été aussi simple que de faire quelques essais sur un tokamak, où le temps est limité et les enjeux élevés.
Azarakhsh Jalalvand, coauteur et chercheur au sein du groupe de M. Kolemen, a comparé le fait d'apprendre à un algorithme à gérer une réaction de fusion dans un tokamak à celui d'apprendre à quelqu'un à piloter un avion. "On n'apprend pas à quelqu'un en lui donnant un trousseau de clés et en lui disant de faire de son mieux", explique M. Jalalvand. "Au lieu de cela, on le fait s'entraîner sur un simulateur de vol très complexe jusqu'à ce qu'il ait suffisamment appris pour essayer le vrai avion."
Comme pour le développement d'un simulateur de vol, l'équipe de Princeton a 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 sur la base des caractéristiques du plasma en temps réel.
Ils ont utilisé ce réseau neuronal pour former un algorithme d'apprentissage par renforcement. Comme un pilote en formation, l'algorithme d'apprentissage par renforcement peut essayer différentes stratégies de contrôle du plasma, apprenant par essais et erreurs quelles stratégies fonctionnent et lesquelles ne fonctionnent pas dans la sécurité d'un environnement simulé.
Le pipeline de la formation d'apprentissage par renforcement utilisée
"Nous n'enseignons pas au modèle d'apprentissage par renforcement toute la physique complexe d'une réaction de fusion", a déclaré M. Jalalvand. "Nous lui indiquons l'objectif à atteindre - maintenir une réaction puissante -, ce qu'il faut éviter - une instabilité en mode déchirure - et les boutons qu'il peut tourner pour parvenir à ces résultats. Au fil du temps, il apprend la voie optimale pour atteindre l'objectif d'une puissance élevée tout en évitant la punition d'une instabilité".
Pendant que le modèle effectuait d'innombrables expériences de fusion simulée, essayant de trouver des moyens de maintenir des niveaux de puissance élevés tout en évitant les instabilités, le co-auteur SangKyeun Kim pouvait observer et affiner ses actions. "En arrière-plan, nous pouvons voir les intentions du modèle", a déclaré Kim, chercheur au PPPL et ancien chercheur postdoctoral dans le groupe de Kolemen. "Certains des changements souhaités par le modèle sont trop rapides, c'est pourquoi nous nous efforçons d'adoucir et de calmer le modèle. En tant qu'humains, nous arbitrons entre ce que l'IA veut faire et ce que le tokamak peut supporter".
Une fois qu'ils ont eu confiance dans les capacités du contrôleur d'IA, ils l'ont testé lors d'une expérience de fusion réelle dans le tokamak D-III D. Ils ont observé le contrôleur modifier en temps réel certains paramètres du tokamak afin d'éviter l'apparition d'une instabilité. Ces paramètres comprenaient la modification de la forme du plasma et de l'intensité des faisceaux qui alimentent la réaction. "Le fait de pouvoir prédire les instabilités à l'avance peut faciliter l'exécution de ces réactions par rapport aux approches actuelles, qui sont plus passives", a déclaré M. Kim. "Nous n'avons plus à attendre que les instabilités se produisent et à prendre des mesures correctives rapides avant que le plasma ne soit perturbé."
La puissance de l'avenir
Bien que les chercheurs aient déclaré que ce travail constituait une preuve de concept prometteuse démontrant comment l'intelligence artificielle peut contrôler efficacement les réactions de fusion, il ne s'agit que de l'une des nombreuses prochaines étapes déjà en cours dans le groupe de Kolemen pour faire progresser le domaine de la recherche sur la fusion.
La première étape consiste à obtenir davantage de preuves de l'efficacité du contrôleur d'IA dans le tokamak DIII-D, puis à l'étendre à d'autres tokamaks. "Nous avons des preuves solides que le contrôleur fonctionne très bien au DIII-D, mais nous avons besoin de plus de données pour montrer qu'il peut fonctionner dans un certain nombre de situations différentes", a déclaré le premier auteur, Seo. "Nous voulons tendre vers quelque chose de plus universel".
Un deuxième axe de recherche consiste à étendre l'algorithme pour qu'il puisse traiter simultanément de nombreux problèmes de contrôle différents. 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 davantage de boutons que le contrôleur IA pourrait régler. "On pourrait imaginer une grande fonction de récompense qui tournerait de nombreux boutons différents pour contrôler simultanément plusieurs types d'instabilité", a déclaré le co-auteur Ricardo Shousha, postdoc au PPPL et ancien étudiant diplômé du groupe de Kolemen, qui a apporté son soutien aux expériences menées à l'ICII-D.
Sur la voie du développement de meilleurs contrôleurs d'IA pour les réactions de fusion, les chercheurs pourraient également acquérir une meilleure compréhension de la physique sous-jacente. En étudiant les décisions prises par le contrôleur d'IA lorsqu'il tente de contenir le plasma, qui peuvent être radicalement différentes des approches traditionnelles, l'intelligence artificielle peut être non seulement un outil pour contrôler les réactions de fusion, mais aussi une ressource pédagogique. "À terme, l'interaction entre les scientifiques qui développent et déploient ces modèles d'intelligence artificielle pourrait aller au-delà d'une simple interaction à sens unique", a déclaré M. Kolemen. "En les étudiant plus en détail, ils pourraient nous apprendre certaines choses."
L'article, intitulé "Avoiding fusion plasma tearing instability with deep reinforcement learning", a été publié le 21 février dans la revue Nature. Outre Kolemen, Seo, Jalalvand, Kim et Shousha, les coauteurs sont Rory Conlin, Joseph Abbate et Josiah Wai de l'université de Princeton, ainsi que Keith Erickson du PPPL.
Ces travaux ont été soutenus par le Bureau des sciences de l'énergie de fusion du ministère américain de l'énergie, ainsi que par la Fondation nationale de la recherche de Corée (NRF). Les auteurs remercient également le DIII-D National Fusion Facility, une installation du Department of Energy Office of Science.
Source : "Avoiding fusion plasma tearing instability with deep reinforcement learning"
Et vous ?
Pensez-vous que cette étude est crédible ou pertinente ?
Voir aussi :
Répondre avec citation
Envoyé par Aspartame
ni le tag 
Partager