Une équipe internationale de scientifiques dirigée par un étudiant diplômé du laboratoire de physique des plasmas (PPPL) du Département de l'énergie des États-Unis (DOE) a démontré l'utilisation de l'intelligence artificielle (IA), le même concept informatique qui renforcera les voitures autonomes, pour prédire et éviter les perturbations - la libération soudaine d'énergie stockée dans le plasma qui alimente les réactions de fusion - qui peuvent arrêter les réactions et endommager gravement les installations de fusion.

Risque de perturbations

Les appareils de fusion appelés tokamaks courent un risque accru de perturbations car les chercheurs, visant à maximiser la puissance de fusion pour créer sur Terre la fusion qui alimente le soleil et les étoiles, se heurter aux limites opérationnelles des installations. Les scientifiques doivent donc pouvoir augmenter la puissance de fusion sans atteindre ces limites. Cette capacité sera cruciale pour ITER, le grand tokamak international en construction en France pour démontrer la praticité de l'énergie de fusion.

Les réactions de fusion combinent des éléments légers sous forme de plasma - le chaud, état chargé de la matière composé d'électrons libres et de noyaux atomiques qui constituent 99 % de l'univers visible, pour générer des quantités massives d'énergie. Les scientifiques du monde entier cherchent à créer une fusion pour un approvisionnement pratiquement inépuisable d'énergie sûre et propre pour produire de l'électricité.

Les chercheurs ont formé un algorithme d'apprentissage automatique d'IA, ou un ensemble de règles, sur des milliers d'expériences précédentes sur l'installation de fusion nationale DIII-D que General Atomics exploite pour le DOE. Les scientifiques ont ensuite appliqué les règles en temps réel aux expériences DIII-D en cours et ont trouvé l'algorithme capable de prévoir la probabilité de perturbations et de lancer des actions permettant d'éviter l'apparition de perturbations.

Modèle relativement simple

"Il est fascinant de voir qu'un modèle d'apprentissage automatique relativement simple pourrait prédire avec précision le comportement compliqué du plasma de fusion, " dit Yichen Fu, un étudiant diplômé du programme de Princeton en physique des plasmas à PPPL et auteur principal d'un article décrivant les résultats de Physique des plasmas et présenté dans une publication vedette de l'American Institute of Physics intitulée "SciLight". "C'est formidable de voir des étudiants diriger des équipes multi-institutionnelles et avoir un réel impact sur le développement de méthodes d'apprentissage automatique pour le contrôle des plasmas de fusion, " a déclaré le physicien PPPL Egemen Kolemen, superviseur des travaux de Yichen et professeur adjoint de génie mécanique et aérospatial à l'Université de Princeton.

Les résultats marquent une nouvelle étape vers la prévention des perturbations dans ITER et les installations de nouvelle génération, dit le physicien Raffi Nazikian, responsable du département ITER et Tokamak de PPPL. "Ce travail représente une avancée significative dans l'utilisation du machine learning pour développer une méthode de prédiction et d'évitement des perturbations dans les dispositifs de fusion, " dit Nazikian. " Cependant, beaucoup de R&D est encore nécessaire pour améliorer la précision des prédictions et développer des méthodes de contrôle à sécurité intégrée pour éviter les perturbations dans ITER et les futurs réacteurs. »