A IA agora consegue controlar o plasma de fusão mais rapidamente do que os humanos conseguem reagir

Um novo sistema de IA de Princeton consegue controlar o plasma de fusão em milissegundos e até prever instabilidades perigosas antes que elas aconteçam.

Por Universidade de Princeton com informações de Science Daily.

Em alguns sistemas de fusão, partículas mais quentes que o núcleo do Sol podem se tornar instáveis ​​em apenas alguns milésimos de segundo. Isso é muito rápido para que um operador humano consiga reagir. Pesquisadores do Laboratório de Física de Plasma de Princeton (PPPL) do Departamento de Energia dos EUA (DOE) e da Universidade de Princeton desenvolveram uma nova estrutura de software que utiliza inteligência artificial (IA) para tomar essas decisões rápidas, mantendo rigorosos controles de segurança e deixando a responsabilidade de definir os objetivos do sistema a cargo das pessoas.

A estrutura é chamada PACMAN (uma abreviação inovadora para Predição e Controle usando Aprendizado de Máquina). Os pesquisadores a testaram com sucesso em um sistema de fusão real em cinco experimentos separados. Seu projeto e resultados iniciais são descritos em um novo artigo publicado na revista Nuclear Fusion .

A IA enfrenta o desafio de milissegundos da Fusion

A fusão nuclear tem o potencial de fornecer um suprimento praticamente ilimitado de eletricidade. Pesquisadores estão explorando diversas abordagens para tornar a fusão viável na Terra, incluindo máquinas conhecidas como tokamaks. Esses dispositivos dependem de campos magnéticos poderosos para confinar um plasma: um gás eletricamente carregado, frequentemente chamado de quarto estado da matéria.

Para que a fusão continue com sucesso, o plasma deve permanecer quente, denso e estável. Isso requer ajustes frequentes em sistemas como o equipamento de aquecimento do tokamak, os ímãs e os injetores de gás. Mesmo perturbações relativamente pequenas no plasma, conhecidas como instabilidades, podem crescer em milissegundos e interromper a reação de fusão.

Prever o comportamento do plasma é outro grande desafio. Simulações computacionais avançadas podem levar dias ou até meses para serem concluídas. Embora essas ferramentas sejam valiosas para o planejamento de experimentos futuros, elas são muito lentas para orientar um experimento em tempo real, quando todo o teste pode durar apenas alguns minutos.

“Isso é ótimo para preparar o próximo experimento daqui a um ano, mas para o controle precisamos de modelos que tomem decisões no momento”, disse o coautor principal Hiro Farre Kaga, estudante de pós-graduação no Programa de Física de Plasma de Princeton, um programa conjunto da Universidade de Princeton e do PPPL. “Os modelos de aprendizado de máquina podem descrever muito bem o comportamento do plasma e, o mais importante, são a única maneira que temos de modelar o plasma em milissegundos. A velocidade desses modelos é fundamental para o controle.”

Integrando múltiplos modelos de IA em um único sistema de fusão

A aprendizagem de máquina já demonstrou um potencial considerável para o controle de plasmas de fusão. No entanto, muitos esforços anteriores foram desenvolvidos individualmente, sem uma estrutura comum que facilitasse a integração de diferentes modelos. Os sistemas de fusão exigem múltiplos modelos porque diferentes partes da máquina e do plasma precisam ser monitoradas e controladas simultaneamente.

PACMAN foi projetado para fornecer essa estrutura compartilhada.

“Desenvolvemos essa estrutura para que os modelos pudessem se comunicar, os resultados desses modelos pudessem ser compartilhados e pudéssemos realizar experimentos de física empolgantes em um sistema integrado”, disse Andy Rothstein, estudante de pós-graduação do Departamento de Engenharia Mecânica e Aeroespacial da Universidade de Princeton e coautor principal do artigo.

O sistema combina diversos modelos de aprendizado de máquina em um ciclo de controle repetitivo que opera muito mais rápido do que uma pessoa conseguiria.

“Um operador humano realmente concentrado consegue responder em questão de segundos”, disse Rothstein. “Toda a estrutura do PACMAN normalmente é executada em cerca de 20 milissegundos, e não é executada apenas uma vez. Ela é executada repetidamente. O sistema consegue detectar pequenas alterações no plasma e se ajustar de uma maneira que um ser humano jamais conseguiria.”

Como o PACMAN controla um Tokamak

O PACMAN funciona de forma muito semelhante a uma linha de montagem com quatro estações. Ele começa coletando medições em tempo real do tokamak, incluindo temperatura, densidade e sinais magnéticos. Em seguida, o sistema verifica essas leituras em busca de erros e as combina em um único pacote.

Em seguida, os modelos de IA selecionam as medições necessárias e as utilizam para estimar o que o plasma está fazendo no momento ou o que provavelmente fará em seguida. Os controladores usam essas previsões para determinar as ações necessárias, como aumentar a potência de um feixe de aquecimento.

Na etapa final, o PACMAN resolve quaisquer instruções conflitantes dos controladores, aplica limites de segurança de hardware rigorosos e envia os comandos aprovados para o tokamak. Como os modelos e controladores operam de forma independente, os cientistas podem introduzir novos componentes sem interromper o restante da estrutura.

IA testada em uma máquina de fusão real

Pesquisadores demonstraram a flexibilidade do PACMAN em cinco experimentos usando o tokamak DIII-D da Instalação Nacional de Fusão Nuclear do Departamento de Energia dos EUA, em San Diego.

Durante esses testes, PACMAN:

• Permitiu que um modelo de IA, treinado por meio de uma abordagem de tentativa e erro conhecida como aprendizado por reforço, assumisse o controle total dos sistemas de aquecimento.
• Prevê-se a emissão repentina de energia a partir da borda do plasma.
• Ondas detectadas e controladas no plasma, impulsionadas por partículas rápidas.
• A densidade e a rotação do plasma foram ajustadas de acordo com as metas estabelecidas pelos pesquisadores.
• Previu uma instabilidade chamada modo de ruptura e a impediu antes que acontecesse.

O experimento de instabilidade de rasgamento demonstrou uma das vantagens potenciais mais claras do sistema. Os controladores convencionais não conseguem identificar essa instabilidade até que ela já tenha começado.

“Então eles tentam suprimi-lo, e isso pode acarretar uma grande degradação de desempenho”, disse Farre Kaga. “Em um dos experimentos que apresentamos, um modelo de aprendizado de máquina prevê o modo de ruptura com cerca de 200 milissegundos de antecedência, para que o plasma possa ser alterado para evitá-lo desde o início.”

O PACMAN também foi capaz de coordenar todos os seis girotros do DIII-D (sistemas que aquecem o plasma com feixes de micro-ondas potentes) simultaneamente. Para atingir metas complexas previamente selecionadas pelos pesquisadores, a estrutura ajustou a potência dos girotros e reposicionou seus espelhos em tempo real.

“Antes não existia nenhum algoritmo para encontrar essa solução ideal”, disse Farre Kaga. “Quando o lance terminou e analisamos os dados, vimos que estava funcionando exatamente como esperávamos, movimentando simultaneamente os seis jogadores de forma otimizada para alcançar o gol.”

Experimentos de fusão acelerada com humanos ainda no controle

Rothstein afirmou que um dos resultados mais surpreendentes foi a rapidez com que o PACMAN possibilitou a introdução de modelos adicionais de IA. O desenvolvimento da estrutura e a instalação do primeiro modelo exigiram meses de trabalho.

“Então, fomos instalar o segundo modelo, e isso levou alguns dias. Os testes foram mais fáceis e houve muito menos erros”, disse ele. “O DIII-D é, antes de tudo, uma máquina de pesquisa, e às vezes as coisas não saem como o esperado. Se você consegue instalar um modelo em uma semana, pode treiná-lo novamente e instalar um novo na semana seguinte. Isso permite iterações que não eram possíveis antes.”

Os pesquisadores enfatizam que a estrutura não tem como objetivo eliminar os humanos dos experimentos de fusão. O PACMAN aplica limites de segurança de hardware independentemente do que um modelo de IA recomende, e os físicos examinam os resultados após cada experimento para que possam refinar os controladores antes do próximo teste.

“Não importa o quão sofisticados sejam seus controladores, no final das contas é um operador humano que define os parâmetros desse controle”, disse Farre Kaga.

Uma plataforma de IA flexível para futuras máquinas de fusão.

A estrutura modular do PACMAN também pode torná-lo útil além do DIII-D. Seus desenvolvedores acreditam que a estrutura pode ser adaptada para tokamaks com diferentes formatos, tamanhos e instrumentos, incluindo máquinas de fusão que ainda não foram projetadas.

“O PACMAN utiliza uma configuração flexível onde algoritmos de IA modulares podem ser combinados. É possível adicionar um novo, substituir um ou executar vários simultaneamente sem afetar o restante do sistema”, disse Egemen Kolemen, professor associado de engenharia mecânica e aeroespacial da Universidade de Princeton, com nomeação conjunta no Centro Andlinger para Energia e Meio Ambiente e no PPPL. “Essa modularidade é o que transforma o controle de plasma por IA, de uma série de demonstrações isoladas, em uma infraestrutura que toda a comunidade de fusão pode utilizar como base.”

Outros autores do artigo incluem Ricardo Shousha , Keith Erickson e SangKyeun Kim do PPPL, Jalal-ud-din Butt, Peter Steiner e Azarakhsh Jalalvand da Universidade de Princeton, e Takuma Wakatsuki dos Institutos Nacionais de Ciência e Tecnologia Quântica do Japão .

A pesquisa foi financiada pelo Escritório de Ciência do Departamento de Energia dos EUA, utilizando a Instalação Nacional de Fusão DIII-D, sob os contratos DE-FC02-04ER54698, DE-SC0015480 e DE-AC02-09CH11466, e pela Bolsa de Pesquisa de Pós-Graduação da Fundação Nacional de Ciência, sob a concessão DGE-2039656.

Fonte da história:
Materiais fornecidos pela Universidade de Princeton . Observação: o conteúdo pode ser editado em termos de estilo e extensão.

Referência do periódico :
A. Rothstein, H.J. Farre-Kaga, J. Butt, R. Shousha, K. Erickson, T. Wakatsuki, P. Steiner, S.K. Kim, A. Jalalvand, E. Kolemen. Enabling integrated AI control on DIII-D: a control system design with state-of-the-art experiments. Nuclear Fusion, 2026; 66 (7): 076050 DOI: 10.1088/1741-4326/ae7f9d