Grazie all’AI possiamo rendere la fusione nucleare più stabile

Cos’è la fusione nucleare?

La fusione nucleare rappresenta una delle frontiere più eccitanti e sfidanti della scienza e dell’ingegneria moderna. La ricerca dell’energia pulita e sostenibile è una corsa contro il tempo nel contesto dei cambiamenti climatici e della crescente domanda energetica globale, e la fusione nucleare è una delle soluzioni più promettenti, un processo che potrebbe rivoluzionare il modo in cui produciamo energia. Ma cos’è la fusione nucleare, e come si distingue dalla fissione, il principio alla base delle attuali centrali nucleari?

Fusione nucleare in un reattore tokamak

La fusione nucleare è il processo che alimenta le stelle, Sole compreso. In condizioni di estrema temperatura e pressione, nuclei atomici leggeri si combinano per formare nuclei più pesanti, rilasciando enormi quantità di energia. Siamo tutti fatti di polvere di fusione nucleare. La fissione nucleare invece divide nuclei pesanti in nuclei atomici più leggeri, producendo scorie radioattive in una reazione a catena. Entrambi i processi rilasciano energia a causa della conversione di massa in energia, ma lo fanno in modi opposti.

La fusione non può sfuggire al controllo in reazioni a catena incontrollate, e produce meno rifiuti radioattivi a lungo termine. Però, ad oggi non è ancora diventata una tecnologia utility scale a causa delle enormi complicazioni nella gestione del plasma nel processo di fusione.

Qualche numero

Recentemente, un esperimento di fusione nucleare che ha coinvolto 192 laser al National Ignition Facility ha prodotto più energia di quella iniettata, dimostrando la fattibilità della produzione netta di energia. I tokamak, il concetto più studiato per il primo reattore a fusione, hanno raggiunto traguardi notevoli, come il sostentamento del plasma a temperature ioniche superiori ai 100 milioni di kelvin per 30 secondi e la produzione di 59 megajoule di energia di fusione per 5 secondi da parte del Joint European Torus, un record mondiale. Attualmente è in costruzione ITER, il più grande progetto scientifico al mondo, che coinvolge 35 nazioni per dimostrare un reattore tokamak.

Il problema dell’instabilità del plasma

Tuttavia, persistono ostacoli significativi al raggiungimento di capacità produttive significative. Uno di questi è l’interruzione del plasma, una delle principali sfide per il funzionamento prolungato.

Il plasma da fusione nucleare è uno stato di materia altamente ionizzato e conduttivo, formato a temperature estreme, dove i nuclei atomici si fondono rilasciando energia. Nelle stelle e nei reattori come il tokamak, il plasma è contenuto magneticamente per sostenere la fusione.

Spiegazione del controllo degli attuatori con spoiler sul risultato della ricerca. Solo per i più coraggiosi.

Le interruzioni del plasma possono causare danni irreversibili ai componenti del reattore a contatto con il plasma stesso. Quando avvengono, si generano grandi inefficienze energetiche, e se non vengono soppresse tempestivamente, possono portare al blocco del processo. Una delle cause principali delle interruzioni è la tearing instability (instabilità di strappo, tradotto letteralmente), in cui il campo magnetico si rompe e non è più in grado di contenere il plasma alla pressione corretta. Queste si presentano principalmente quando la pressione del plasma sale sopra una soglia limite, causando le perturbazioni. La sfida qui è duplice: prima di tutto, la soglia non è fissa, ma varia alle diverse condizioni operative del sistema. In più quando queste di presentano, spesso abbassare la pressione non è sufficiente a risolvere l’instabilità, che potrebbe invece peggiorare sotto determinate condizioni. Allora non basta tenere bassa la pressione del plasma dal principio? Beh, ovviamente no, per far funzionare la fusione il plasma deve comunque muoversi ad alte pressioni, senza superare la famosa soglia ballerina. Per evitare rotture e problemi importanti, sono già in uso sistemi di controllo e soppressione delle tearing instabilities, che però riescono ad intervenire tramite attuatori solo dopo che le instabilità di sono presentate, senza riuscire quindi ad anticiparle per evitare le inefficienze.

Deep learning per la regolazione della fusione

Sistema di previsione e ottimizzazione delle instabilità.

In questo articolo pubblicato su Nature a fine febbraio 2024 però c’è una novità. Se la sfida è riuscire a mantenere la pressione del plasma ad una condizione di alta pressione, sufficiente per la fusione, ma non sufficiente per innescare le instabilità, servirebbe un sistema in grado di prevedere gli effetti di uno specifico controllo sulla probabilità di instabilità nel futuro (l’orizzonte di futuro qui è nell’ordine delle decine di millisecondi, intorno ai 25 in particolare). I sistemi data driven sono capaci di imparare a fare esattamente questo.

Infatti, il paper mostra i risultati ottenuti controllando gli attuatori tramite sistemi in grado di prevedere la probabilità di tearing instability alle varie condizioni operative del tokamak. Il sistema in uso è una rete neurale profonda che apprende per rinforzo, in base ad una semplice reward.

Reward del sistema per rinforzo. Pressione e tearability (possibilità di instabilità) sono previsti dal sistema con 25 ms di anticipo, in base alle modalità di controllo ipotizzate dall’agente di deep learning stesso.

Questa rete, che agisce come agente del controllo: un piccolo omino che vede nel futuro e riesce a intuire come il controllo di adesso influenzerà le condizioni nei prossimi 25 ms. Grazie a questo super potere, il sistema di AI riesce a modificare dinamicamente le regolazioni degli attuatori, andando a controllare la pressione del plasma in modo che le probabilità di instabilità vengano minimizzate.

L’AI ha predetto l’instabilità con 200 ms di anticipo. Si vede che grazie all’agente che controlla gli attuatori, l’instabilità è evitata e prevista correttamente, e la tearing si mantiene sotto il limite di rottura.

Il sistema controlla gli attuatori in base ai profili della corrente del plasma, ai dati del flusso magnetico, alla densità e temperatura degli elettroni, temperatura degli ioni e profili di rotazione, tempi di confinamento dell’energia e feedback in tempo reale sulla forma e posizione del plasma.

Questo approccio ha reso possibile concludere con successo un ciclo di fusione in condizioni che in assenza dei sistemi di controllo AI driven avevano portato a instabilità e interruzione del processo. I test sia in condizioni di laboratorio sia in condizioni di processo hanno restituito risultati che confermano la capacità dell’agente di DL di controllare l’instabilità nel tempo.

Implicazioni e possibilità

Facendomi prestare il commento dagli autori del paper, il lavoro è uno proof of concept che dimostra l’efficacia dell’approccio predittivo nel controllo del plasma. E’ ancora nelle prime fasi, e necessita di ulteriori fine tuning per essere effettivamente industrializzato, ma amplia il portfolio di soluzioni di machine learning applicate al controllo dei reattori tokamak, e apre a nuovi sviluppi. Ad esempio la possibilità di combinare l’algoritmo con altri sistemi di previsione del profilo del plasma, o l’integrazione con altre grandezze fisiche per ottimizzare il processo nel suo insieme. La possibilità di sostenere il plasma centrale in modo continuativo potrebbe inoltre portare alla scoperta di ulteriori fenomeni finora mai osservati, ad esempio nuovi tipi di correnti autogenerate che potrebbero portare ad un’efficiente produzione e raccolta di energia

Che periodo elettrizzante per essere vivi e vive. 🙂