La mise en œuvre réussie de la fusion nucléaire promet de fournir une source illimitée et durable d'énergie propre, mais nous ne pouvons réaliser ce rêve incroyable que si nous maîtrisons la physique complexe qui se déroule à l'intérieur du réacteur.
Au fil des décennies, les scientifiques ont fait des pas progressifs vers cet objectif, mais de nombreux problèmes restent non résolus. L'un des principaux obstacles est de gérer avec succès le plasma instable et surchauffé dans le réacteur - mais une nouvelle approche montre comment nous pouvons le faire.
Dans le cadre d'une collaboration entre le Swiss Plasma Center (SPC) de l'EPFL et la société d'intelligence artificielle (IA) DeepMind, des scientifiques ont utilisé un système d'apprentissage par renforcement profond (RL) pour étudier les nuances du comportement et du contrôle du plasma dans un tokamak à fusion en forme de beignet, qui utilise une série de bobines magnétiques situées autour du réacteur pour contrôler et manipuler le plasma à l'intérieur.
C'est un exercice d'équilibre délicat car les bobines nécessitent un grand nombre d'ajustements de tension fins, jusqu'à des milliers de fois par seconde, pour maintenir avec succès le plasma dans le champ magnétique. Ainsi, le maintien des réactions de fusion nucléaire - qui implique de maintenir la stabilité du plasma à des centaines de millions de degrés Celsius, plus chaud que même le cœur du Soleil - nécessite des systèmes complexes à plusieurs niveaux pour contrôler les bobines. Cependant, dans une nouvelle étude, des scientifiques ont montré qu'un système d'intelligence artificielle peut faire face à cette tâche à lui seul.
"En utilisant une architecture d'apprentissage qui combine une RL profonde et un environnement de simulation, nous avons créé des contrôleurs qui peuvent à la fois maintenir le plasma dans un état stable et l'utiliser pour restituer avec précision différentes formes", explique l'équipe dans un article de blog DeepMind. Pour accomplir cet exploit, les chercheurs ont formé leur système d'IA dans un simulateur de tokamak, dans lequel le système d'apprentissage automatique a appris par essais et erreurs comment naviguer dans les complexités du confinement magnétique du plasma. Après avoir obtenu son diplôme, l'IA est passée au niveau supérieur en appliquant ce qu'elle a appris dans le simulateur dans le monde réel.
En pilotant un tokamak à configuration variable (TCV) SPC, le système RL a donné au plasma à l'intérieur du réacteur différentes formes, dont une jamais vue auparavant dans un TCV : des « gouttelettes » stabilisatrices où deux plasmas coexistaient simultanément à l'intérieur du dispositif. En plus des formes traditionnelles, l'IA pourrait également créer des configurations avancées, donnant au plasma des formes "triangle négatif" et "flocon de neige".
Chacune de ces manifestations a un potentiel différent de production d'énergie dans le futur si nous pouvons soutenir des réactions de fusion nucléaire. L'une des configurations contrôlées par ce système, la "forme de type ITER", pourrait être particulièrement prometteuse pour des études futures au Réacteur thermonucléaire expérimental international (ITER), la plus grande expérience de fusion nucléaire au monde, actuellement en construction en France.
Selon les chercheurs, le contrôle magnétique de ces formations de plasma est "l'un des systèmes du monde réel les plus complexes auquel l'apprentissage par renforcement a été appliqué" et pourrait fournir une nouvelle direction radicale dans la conception de tokamaks du monde réel. Non seulement cela, mais certains pensent que cela changera fondamentalement l'avenir des systèmes avancés de contrôle du plasma dans les réacteurs à fusion.
Lisez aussi: