Vea También
 |
| Científicos del Centro Suizo del Plasma de la EPFL y DeepMind han desarrollado conjuntamente un nuevo método para controlar las configuraciones del plasma para su uso en la investigación de la fusión nuclear. Crédito: DeepMind & SPC/EPFL |
Investigadores del Centro Suizo del Plasma (SPC) de la EPFL y la empresa británica DeepMind han desarrollado un algoritmo basado en la inteligencia artificial (IA) que puede controlar el plasma -un estado de la materia a temperaturas de millones de grados- en un reactor de fusión nuclear. Lo han aplicado por primera vez a un plasma del mundo real en la instalación de investigación del tokamak del SPC, el TCV.
El equipo espera que el descubrimiento permita maximizar la producción de electricidad en las todavía hipotéticas centrales eléctricas del futuro basadas en el principio de la fusión nuclear.
El SPC es una cámara con forma de rosquilla que utiliza un potente campo magnético para confinar el plasma a temperaturas extremadamente altas -cientos de millones de grados centígrados, incluso más calientes que el núcleo del sol- para que se produzca la fusión nuclear entre átomos de hidrógeno. La energía liberada por la fusión se estudia para utilizarla en la generación de electricidad.
El tokamak del SPC permite diversas configuraciones de plasma, de ahí su nombre: tokamak de configuración variable (TCV). Los investigadores investigan continuamente nuevos enfoques para confinar y controlar el plasma de manera que no choque contra las paredes de la vasija y se deteriore.
 |
| Modelo en 3D del recipiente de vacío del TCV que contiene el plasma, rodeado de varias bobinas magnéticas para mantener el plasma en su sitio y afectar a su forma. Crédito: DeepMind & SPC/EPFL |
Los investigadores del SPC prueban primero las configuraciones de sus sistemas de control en un simulador antes de utilizarlas en el tokamak TCV. "Nuestro simulador se basa en más de 20 años de investigación y se actualiza continuamente", afirma Federico Felici, científico del SPC y coautor del estudio. "Pero aun así, siguen siendo necesarios largos cálculos para determinar el valor correcto de cada variable en el sistema de control. Ahí es donde entra nuestro proyecto de investigación conjunto con DeepMind".
DeepMind desarrolló un nuevo algoritmo de IA que puede crear y mantener configuraciones de plasma específicas y lo entrenó en el simulador del SPC haciendo que intentara muchas estrategias de control diferentes. Basándose en la experiencia acumulada, el algoritmo fue capaz de calcular estrategias de control para producir las configuraciones de plasma solicitadas. A continuación, se pidió al algoritmo que trabajara en sentido contrario, identificando los ajustes adecuados para producir una configuración de plasma específica.
Una vez entrenado, el equipo de investigación probó su nuevo sistema basado en la IA directamente en el tokamak para ver su rendimiento en condiciones reales. El sistema fue capaz de crear y controlar una amplia gama de formas de plasma, incluyendo formas alargadas y convencionales, así como configuraciones avanzadas, como la triangularidad negativa y las configuraciones de "copo de nieve".
"La misión de nuestro equipo es investigar una nueva generación de sistemas de IA -controladores de bucle cerrado- que puedan aprender en entornos dinámicos complejos completamente desde cero. Controlar un plasma de fusión en el mundo real ofrece oportunidades fantásticas, aunque extremadamente desafiantes y complejas", afirma Felici. Martin Riedmiller, jefe del equipo de control de DeepMind y coautor del estudio.
Hace una semana, los ingenieros de la Autoridad de Energía Atómica del Reino Unido (UKAEA) anunciaron que habían producido el récord de 59 megajulios de energía de fusión sostenida en forma de neutrones durante una fase de cinco segundos de una descarga de plasma. Esta cifra duplica el anterior récord de energía, establecido en 1997. La fusión nuclear pretende reproducir lo que ocurre en el corazón del sol y es considerada por sus partidarios como la energía del mañana.
Fuentes, créditos y referencias:
Degrave, J., Felici, F., Buchli, J. et al. Magnetic control of tokamak plasmas through deep reinforcement learning. Nature 602, 414–419 (2022). doi.org/10.1038/s41586-021-04301-9
Fuente: EPFL