El Futuro Energético se Ilumina: Aprendizaje Profundo Controla la Fusión Nuclear en un Tokamak
Un avance revolucionario en la fusión nuclear: Control exitoso del plasma en un tokamak mediante IA. Ofrece soluciones innovadoras, además se destaca el potencial de la inteligencia artificial en la ciencia y la tecnología.
CIENTÍFICOS/PERIODISTICOS
Franco Mansilla
11/8/2023
En la búsqueda de una fuente de energía limpia e ilimitada para resolver la crisis energética global, la fusión nuclear ha emergido como un candidato prometedor. Un equipo de investigadores ha dado un paso revolucionario al lograr controlar con éxito el plasma de fusión nuclear en un tokamak mediante el aprendizaje por refuerzo profundo. Este avance, publicado en Nature, desbloquea nuevas posibilidades en la investigación de la fusión nuclear, ofreciendo soluciones creativas para un problema científico complejo. Además, se destaca el potencial de la inteligencia artificial para acelerar el progreso en campos científicos y tecnológicos diversos.
Aceleración de la ciencia de la fusión a través del control del plasma aprendido
En la lucha por abordar la crisis energética global, los científicos han centrado sus esfuerzos en la fusión nuclear, una fuente de energía limpia y potencialmente ilimitada. La fusión nuclear, que emula la reacción que ocurre en el núcleo de las estrellas, tiene el potencial de liberar grandes cantidades de energía al fusionar átomos de hidrógeno. Para recrear estas condiciones extremas en la Tierra, se utilizan dispositivos llamados tokamaks, que son cámaras en forma de rosquilla rodeadas de bobinas magnéticas. Sin embargo, controlar el plasma en el tokamak es un desafío considerable debido a la naturaleza inestable de los plasmas. El control requerido implica coordinar múltiples bobinas magnéticas y ajustar el voltaje en tiempo real miles de veces por segundo para evitar que el plasma toque las paredes de la cámara. El logro clave aquí es el desarrollo del primer sistema de aprendizaje por refuerzo profundo (RL) que permite que un tokamak controle de forma autónoma el plasma, allanando el camino para avances en la investigación de la fusión nuclear.
"En los últimos dos años, DeepMind ha demostrado el potencial de la IA para acelerar el progreso científico y desbloquear vías de investigación completamente nuevas en biología, química, matemáticas y ahora física."
DEMIS HASSABIS, COFUNDADOR Y DIRECTOR EJECUTIVO DE DEEPMIND
Fotos del Tokamak de Configuración Variable (TCV) en EPFL visto desde el exterior, desde el interior y un modelo 3D de TCV con recipiente y bobinas de control
Aprender cuando los datos son difíciles de adquirir
La investigación en fusión nuclear se ve obstaculizada por la limitada disponibilidad de tiempo en los tokamaks, que son costosos y altamente solicitados. Los tiempos de experimentación son breves, y los equipos de investigación comparten recursos, lo que limita aún más el acceso. Para superar esta limitación, los investigadores recurren a simulaciones para avanzar en la investigación. En este contexto, el equipo de investigación se asoció con la EPFL y utilizó herramientas de simulación para entrenar el sistema RL para controlar el tokamak. Luego, validaron sus resultados en el tokamak real. Esta estrategia más económica y accesible permitió que el sistema RL aprendiera a controlar el tokamak de manera eficaz, aunque se enfrentaron a desafíos al lidiar con la velocidad y la variabilidad del hardware real en comparación con la simulación.
Éxito priorizando la simplicidad y la flexibilidad
Los sistemas de control de plasma existentes son complejos y requieren controladores separados para cada una de las 19 bobinas magnéticas en el tokamak. En contraste, el nuevo enfoque utiliza una sola red neuronal para controlar todas las bobinas a la vez. La red neuronal aprende automáticamente los voltajes óptimos para lograr una configuración deseada del plasma en función de los datos sensoriales en tiempo real. Este enfoque simplificado ha demostrado su eficacia al manipular diferentes aspectos del plasma y lograr configuraciones de plasma específicas, lo que sugiere un enfoque más flexible y simplificado para el control de tokamaks y máquinas complejas similares.
El controlador entrenado con aprendizaje por refuerzo profundo dirige el plasma a través de múltiples fases de un experimento. A la izquierda, hay una vista interior del tokamak durante el experimento. A la derecha, se puede ver la forma de plasma reconstruida y los puntos objetivo que queríamos alcanzar. (crédito: DeepMind y SPC/EPFL)
El futuro de la fusión y más allá
El éxito de esta investigación refuerza el potencial de la inteligencia artificial para acelerar y mejorar la investigación en fusión nuclear como también otros campos científicos y tecnológicos. Además, se destaca la capacidad de la IA para ser una herramienta transformadora en aplicaciones de control industrial y científico en el futuro. Se pronostica que el aprendizaje por refuerzo tendrá un papel crucial en la resolución de problemas complejos del mundo real, desde la eficiencia energética hasta la medicina personalizada, lo que augura un emocionante futuro para la colaboración entre la inteligencia artificial y la investigación científica.