Les progrès de la fusion nucléaire alors que l’intelligence artificielle aide à surveiller la turbulence dans les réacteurs Science | Nouvelles

En appliquant l’intelligence artificielle pour suivre les “fronts” turbulents du plasma dans les prototypes de réacteurs, la puissance de fusion nucléaire pratique pourrait être plus proche. La fusion nucléaire est un processus qui se produit naturellement dans les étoiles comme le Soleil, où elles prennent des noyaux d’hydrogène et les combinent pour former de l’hélium, libérant ainsi de grandes quantités d’énergie. En fait, la fusion peut générer plus de quatre millions de fois la quantité d’énergie libérée par une réaction chimique équivalente, comme la combustion de charbon, de pétrole ou de gaz, et quatre fois plus que la fission nucléaire, qui implique la scission d’atomes. La fusion nécessite des températures et des pressions extrêmes dans les étoiles causées par leur masse et leur gravité énormes. Pour atteindre les mêmes conditions sur Terre, un plasma super chaud – un état chargé de la matière composé d’électrons libres et de noyaux atomiques – doit être piégé dans un champ magnétique en forme de beignet dans une machine appelée tokamak. Cependant, la turbulence au bord du plasma crée des « blobs » en forme de filament qui à la fois drainent la chaleur du plasma confiné et risquent d’endommager les parois internes du tokamak.

Pour étudier ces blobs, les scientifiques s’appuient généralement sur des techniques de moyenne qui échangent les données de structures individuelles en faveur de statistiques agrégées.

Pour étudier l’évolution des blobs individuels, il faut les suivre en les marquant manuellement dans les données vidéo – une procédure difficile et longue, d’autant plus que des milliers de blobs peuvent être vus à chaque seconde d’exécution du tokamak.

Pour faciliter ce processus, l’ingénieur du MIT, le Dr Theodore Golfinopoulos, et ses collègues ont d’abord créé un ensemble de données vidéo synthétiques sur la turbulence du plasma à l’intérieur d’un réacteur tokamak.

Il a ensuite été utilisé pour entraîner quatre modèles d’apprentissage automatique différents afin d’identifier et de suivre les points dans le plasma, tout comme le font les humains.

En testant les modèles entraînés sur de vrais clips vidéo de plasma turbulent, l’équipe a découvert que les modèles étaient capables d’identifier les blobs avec une grande précision, dans certains cas, plus de 80 %.

De plus, les modèles ont pu estimer efficacement à la fois la taille des blobs et leur vitesse de déplacement.

Étant donné que des millions d’images vidéo sont capturées dans chaque expérience de fusion, l’application de l’intelligence artificielle pour suivre les gouttes turbulentes a le potentiel de fournir aux scientifiques des informations beaucoup plus détaillées pour améliorer la conception et le fonctionnement du réacteur.

Le Dr Golfinopoulos a expliqué: «Avant, nous pouvions avoir une vue macroscopique de ce que ces structures faisaient en moyenne. Nous avons maintenant le microscope et la puissance de calcul pour analyser un phénomène.

“En prenant du recul, il révèle des moyens d’utiliser ces ressources informatiques pour acquérir la puissance et les progrès qui découlent de ces techniques d’apprentissage automatique.”

LIRE LA SUITE : Des experts font la lumière sur les violations empêchant la fusion nucléaire pratique

Le co-auteur et physicien de l’article, Woonghee “Harry” Han, a expliqué que l’apprentissage automatique améliore l’analyse de la turbulence du plasma, en fournissant “un suivi goutte par goutte pour chaque image, pas seulement des quantités moyennes”.

“Cela nous donne plus d’informations sur ce qui se passe à la frontière du plasma.”

M. Han a expliqué que les taches sont aléatoires et imprévisibles dans leur comportement.

Il a ajouté : « Parfois, ils changent de direction ou de vitesse, parfois plusieurs points fusionnent ou divergent.

“De tels phénomènes étaient auparavant ignorés par les approches traditionnelles, mais nous avons pu simuler librement ces comportements dans des données synthétiques.

Le Dr Golfinopoulos a ajouté : “Savoir ce que font les blobs limite fortement les performances d’ingénierie dont vous avez besoin à la périphérie de votre centrale électrique tokamak.

A NE PAS MANQUER :
Quelques heures après l’incident des Shetland, un gros câble a été coupé en France [REPORT]
National Grid dévoile une phase énergétique « record » [INSIGHT]
Un astéroïde en or d’une valeur de 9 quadrillions de livres sterling a été ciblé par la NASA [ANALYSIS]

Une fois leurs recherches initiales terminées, les chercheurs tentent maintenant d’appliquer des données synthétiques et des techniques d’apprentissage automatique similaires à d’autres problèmes de recherche de synthèse, par exemple l’évaluation du transport de particules aux limites du plasma.

L’équipe a également rendu public son ensemble de données et ses modèles afin que d’autres groupes de recherche puissent utiliser les mêmes outils pour étudier la dynamique des gouttes.

“Avant, il y avait une barrière à l’entrée”, a déclaré Iddo Drori, professeur à l’Université de Boston, informaticien et auteur de l’article. [in] Fondamentalement, les seules personnes travaillant sur ce problème étaient les physiciens des plasmas qui possédaient la base de données et utilisaient leurs méthodes.

“L’un des objectifs de ce travail est d’encourager la communauté élargie de l’apprentissage automatique à participer à la recherche sur la fusion.”

Les résultats complets de l’étude ont été publiés dans Scientific Reports.

Leave a Reply

Your email address will not be published. Required fields are marked *