Les chercheurs du MIT Pablo Rodriguez-Fernandez et Nathan Howard viennent de terminer l'un des calculs les plus exigeants de la science de la fusion :prédire les profils de température et de densité d'un plasma confiné magnétiquement via une simulation de premier principe de la turbulence du plasma. Résoudre ce problème par la force brute dépasse les capacités des superordinateurs, même les plus avancés. Au lieu de cela, les chercheurs ont utilisé une méthodologie d'optimisation développée pour l'apprentissage automatique afin de réduire considérablement le temps CPU requis tout en maintenant la précision de la solution.

Énergie de fusion

La fusion offre la promesse d'une énergie illimitée et sans carbone grâce au même processus physique qui alimente le soleil et les étoiles. Cela nécessite de chauffer le carburant à des températures supérieures à 100 millions de degrés, bien au-dessus du point où les électrons sont dépouillés de leurs atomes, créant une forme de matière appelée plasma. Sur Terre, les chercheurs utilisent des champs magnétiques puissants pour isoler et isoler le plasma chaud de la matière ordinaire. Plus le champ magnétique est fort, meilleure est la qualité de l'isolation qu'il fournit.

Rodriguez-Fernandez et Howard se sont concentrés sur la prédiction des performances attendues dans le dispositif SPARC, une expérience de fusion compacte à champ magnétique élevé, actuellement en construction par la société dérivée du MIT Commonwealth Fusion Systems (CFS) et des chercheurs de Plasma Science du MIT. et Fusion Center. Bien que le calcul ait nécessité une quantité extraordinaire de temps informatique, plus de 8 millions d'heures de processeur, ce qui était remarquable n'était pas la quantité de temps utilisée, mais la quantité réduite, compte tenu de l'énorme défi de calcul.

Le défi informatique de l'énergie de fusion

La turbulence, qui est le mécanisme de la majeure partie de la perte de chaleur dans un plasma confiné, est l'un des grands défis de la science et le plus grand problème qui subsiste en physique classique. Les équations qui régissent les plasmas de fusion sont bien connues, mais les solutions analytiques ne sont pas possibles dans les régimes d'intérêt, où les non-linéarités sont importantes et les solutions englobent une vaste gamme d'échelles spatiales et temporelles. Les scientifiques ont recours à la résolution des équations par simulation numérique sur ordinateur. Ce n'est pas un hasard si les chercheurs en fusion ont été les pionniers de la physique computationnelle au cours des 50 dernières années.

L'un des problèmes fondamentaux pour les chercheurs est de prédire de manière fiable la température et la densité du plasma compte tenu uniquement de la configuration du champ magnétique et de la puissance d'entrée appliquée de l'extérieur. Dans les dispositifs de confinement comme SPARC, la puissance externe et l'apport de chaleur du processus de fusion sont perdus par turbulence dans le plasma. La turbulence elle-même est entraînée par la différence entre la température extrêmement élevée du cœur du plasma et les températures relativement froides du bord du plasma (seulement quelques millions de degrés). Prédire les performances d'un plasma de fusion auto-échauffé nécessite donc un calcul du bilan de puissance entre la puissance de fusion absorbée et les pertes dues à la turbulence.

Ces calculs commencent généralement par supposer des profils de température et de densité du plasma à un endroit particulier, puis calculent la chaleur transportée localement par la turbulence. Cependant, une prédiction utile nécessite un calcul auto-cohérent des profils sur l'ensemble du plasma, qui comprend à la fois l'apport de chaleur et les pertes turbulentes. Résoudre directement ce problème dépasse les capacités de tout ordinateur existant, c'est pourquoi les chercheurs ont développé une approche qui assemble les profils à partir d'une série de calculs locaux exigeants mais traitables. Cette méthode fonctionne, mais comme les flux de chaleur et de particules dépendent de plusieurs paramètres, les calculs peuvent être très lents à converger.

Cependant, les techniques issues du domaine de l'apprentissage automatique sont bien adaptées pour optimiser un tel calcul. En commençant par un ensemble de calculs locaux intensifs en calcul exécutés avec le code CGYRO de physique complète et de premiers principes (fourni par une équipe de General Atomics dirigée par Jeff Candy), Rodriguez-Fernandez et Howard ont ajusté un modèle mathématique de substitution, qui a été utilisé pour explorer et optimiser une recherche dans l'espace des paramètres. Les résultats de l'optimisation ont été comparés aux calculs exacts à chaque point optimal, et le système a été itéré jusqu'au niveau de précision souhaité. Les chercheurs estiment que la technique a réduit le nombre d'exécutions du code CGYRO par un facteur de quatre.

La nouvelle approche augmente la confiance dans les prévisions

Ces travaux, décrits dans une publication récente dans la revue Nuclear Fusion , est le calcul de fidélité le plus élevé jamais réalisé sur le cœur d'un plasma de fusion. Il affine et confirme les prédictions faites avec des modèles moins exigeants. Professor Jonathan Citrin, of the Eindhoven University of Technology and leader of the fusion modeling group for DIFFER, the Dutch Institute for Fundamental Energy Research, commented:"The work significantly accelerates our capabilities in more routinely performing ultra-high-fidelity tokamak scenario prediction. This algorithm can help provide the ultimate validation test of machine design or scenario optimization carried out with faster, more reduced modeling, greatly increasing our confidence in the outcomes."

In addition to increasing confidence in the fusion performance of the SPARC experiment, this technique provides a roadmap to check and calibrate reduced physics models, which run with a small fraction of the computational power. Such models, cross-checked against the results generated from turbulence simulations, will provide a reliable prediction before each SPARC discharge, helping to guide experimental campaigns and improving the scientific exploitation of the device. It can also be used to tweak and improve even simple data-driven models, which run extremely quickly, allowing researchers to sift through enormous parameter ranges to narrow down possible experiments or possible future machines. + Explorer plus loin

Toward fusion energy, team models plasma turbulence on the nation's fastest supercomputer

This story is republished courtesy of MIT News (web.mit.edu/newsoffice/), a popular site that covers news about MIT research, innovation and teaching.