AvanTIL’Intelligenza Artificiale ora riesce a controllare la fusione nucleare

DeepMind Technologies, il ramo dedicato all’Intelligenza Artificiale di Alphabet, la società che controlla Google, e il Politecnico di Losanna (EPFL), hanno annunciato di essere riusciti a sviluppare un sistema basato su algoritmi di Deep Reinforcement Learning in grado di controllare con estrema precisione il plasma all’interno di un reattore di tipo tokamak per la fusione nucleare. I risultati dell’incredibile scoperta sono stati pubblicati sulla rivista Nature e aprono le porte verso il futuro di questa fonte di energia rinnovabile.

Controllare il plasma per la fusione nucleare
La fusione nucleare è una reazione in cui due o più atomi sono fusi insieme formando un elemento nuovo. All’interno di un tokamak, la struttura a forma di ciambella progettata per contenere una reazione di fusione nucleare, gli atomi di idrogeno vengono uniti a temperature incredibili, creando un plasma a mulinello più caldo della superficie del sole. Uno degli ostacoli più grandi è costituito appunto dal confinamento del plasma bollente all’interno del reattore. «Dobbiamo riuscire a riscaldare questa materia e tenerla insieme abbastanza a lungo da poterne estrarre energia», ha affermato Ambrogio Fasoli, direttore dello Swiss plasma center all’École polytechnique fédérale di Losanna, in Svizzera.

L’opzione attualmente più utilizzata per il confinamento del plasma di fusione è quella del confinamento magnetico. Questo metodo utilizza dei campi magnetici di elevata intensità, generati all’interno di una camera toroidale, che hanno il compito di gestire il plasma in cui avviene la fusione. Il problema è che il plasma è per sua natura altamente instabile e tende a disperdersi, pertanto il reattore deve essere in grado di regolare in ogni istante e con estrema precisione i campi magnetici per mantenerlo non solo in sospensione e lontano dalle pareti del reattore, ma anche in una forma geometrica ottimale per l’innesco della reazione e il convogliamento dell’energia prodotta.

Ogni volta che gli scienziati vogliono cambiare la configurazione del plasma e sperimentare forme diverse in grado di produrre maggiore potenza, è però necessaria una gran mole di lavoro d'ingegneria e progettazione. I sistemi convenzionali sono controllati da computer e basati su modelli e precise simulazioni, ma sono «complessi e non sempre ottimizzati», ha spiegato Fasoli.

Intelligenza Artificiale e fusione
Nel tentativo di risolvere tale problema, i ricercatori di DeepMind e del Politecnico di Losanna hanno pensato di applicare le tecniche d'Intelligenza Artificiale per sviluppare un sistema di controllo dei campi magnetici che fosse in grado di controllare la forma del plasma all’interno del reattore meglio di quanto sia possibile tramite i metodi tradizionali.

DeepMind ha così applicato la tecnica chiamata Deep Reinforcement Learning, una tecnologia di machine learning che unisce i principi del Reinforcement Learning e le reti neurali di Deep Learning.
 
Il sistema di controllo è stato addestrato adoperando un modello virtuale del reattore sperimentale TCV (Variable Configuration Tokamak) di Losanna capace di simulare il comportamento del plasma durante il funzionamento. Attraverso le simulazioni, il sistema ha appreso le caratteristiche delle diverse configurazioni di plasma e la dinamica dei campi magnetici all’interno del reattore a partire da diverse condizioni iniziali, regolando il voltaggio delle 19 bobine magnetiche che generano i campi di confinamento all’interno del reattore.

Quando gli scienziati hanno eseguito gli stessi esperimenti dal vivo all’interno del tokamak TCV, il sistema sviluppato da DeepMind ha dimostrato di aver imparato a controllare automaticamente il voltaggio di tutte le bobine contemporaneamente per mantenere il plasma nella configurazione voluta. Duranti i test, il sistema è stato in grado in modo deterministico di dare la forma voluta al plasma nella parte alta del reattore, di trascinarlo verso il basso staccandolo dalle pareti mantenendolo stazionario al centro e quindi di rilasciarlo verso l’alto. «Si tratta di un passo significativo che potrebbe influenzare la progettazione di futuri tokamak o addirittura accelerare il percorso verso la realizzazione di reattori a fusione», ha commentato Fasoli.

La sperimentazione ha permesso ai ricercatori di ottenere diverse configurazioni dal plasma. Queste comprendevano una sezione trasversale a forma di “D” simile a quella che sarà utilizzata all’interno di Iter, il tokamak sperimentale in costruzione in Francia, e una configurazione a fiocco di neve che potrebbe contribuire a dissipare in modo più uniforme all’interno della struttura l’enorme calore generato dalla reazione. “Il nostro sistema singolo è stato in grado di trovare le regolazioni per tutte queste differenti condizioni, abbiamo semplicemente cambiato l’obiettivo richiesto, e il nostro algoritmo ha trovato in autonomia la regolazione più appropriata”, è riportato sul post di DeepMind che ha annunciato la scoperta.

Sfide future
La sfida ora è capire se questo tipo di tecnologia può essere trasferita su sistemi che operano su scala più grande. La collaborazione con DeepMind, quindi, potrebbe rivelarsi fondamentale man mano che aumenteranno le dimensioni dei reattori a fusione.

Gli scienziati, infatti, riescono a controllare senza grandi difficoltà il plasma nei tokamak su piccola scala ricorrendo a metodi convenzionali, ma i problemi aumenteranno quando si cercherà di realizzare versioni delle dimensioni di una centrale. Un tokamak di fusione controllato da una AI, dunque, potrebbe essere ottimizzato per controllare il trasferimento di calore generato dalla reazione alle pareti della struttura e prevenire pericolose instabilità del plasma.

«L’Intelligenza Artificiale ci permetterebbe di esplorare cose che altrimenti non esploreremmo, perché grazie a questo tipo di sistema di controllo possiamo permetterci di correre dei rischi che altrimenti non oseremmo correre. Se siamo sicuri di avere un sistema di controllo che può portarci vicino al limite ma non oltre, possiamo esplorare possibilità che altrimenti non esisterebbero», ha dichiarato Fasoli.