Imaginez regarder un film préféré quand soudain le son s'arrête. Les données représentant l'audio sont manquantes. Tout ce qui reste, ce sont des images. Que se passe-t-il si l'intelligence artificielle (IA) pouvait analyser chaque trame de la vidéo et fournir automatiquement l'audio en fonction des images, lire les lèvres et noter chaque fois qu'un pied touche le sol?
C'est le concept général derrière une nouvelle IA qui remplit les données manquantes sur le plasma, le carburant de la fusion, selon Azarakhsh Jalalvand de l'Université de Princeton. Jalalvand est l'auteur principal d'un article sur l'IA, connu sous le nom de Diag2Diag, qui a récemment été publié dans Communications de la nature.
« Nous avons trouvé un moyen de prendre les données d'un tas de capteurs dans un système et de générer une version synthétique des données pour un autre type de capteur dans ce système », a-t-il déclaré. Les données synthétiques s'alignent sur les données du monde réel et sont plus détaillées que ce qu'un capteur réel pourrait fournir. Cela pourrait augmenter la robustesse du contrôle tout en réduisant la complexité et le coût des futurs systèmes de fusion. « Diag2Diag pourrait également avoir des applications dans d'autres systèmes tels que le vaisseau spatial et la chirurgie robotique en améliorant les détails et en récupérant des données à partir de capteurs défaillants ou dégradés, en assurant la fiabilité dans des environnements critiques. »
La recherche est le résultat d'une collaboration internationale entre des scientifiques de l'Université de Princeton, du US Department of Energy's (DOE) Princeton Plasma Physics Laboratory (PPPL), de l'Université Chung-Ang, de l'Université Columbia et de l'Université nationale de Séoul. Toutes les données de capteurs utilisées dans la recherche pour développer l'IA ont été recueillies à partir d'expériences de l'installation nationale de fusion DIII-D, une installation d'utilisateurs du DOE.
La nouvelle IA améliore la façon dont les scientifiques peuvent surveiller et contrôler le plasma dans un système de fusion et pourraient aider à maintenir les futurs systèmes de fusion commerciaux une source d'électricité fiable. « Les dispositifs de fusion sont aujourd'hui tous des machines de laboratoire expérimentales, donc si quelque chose arrive à un capteur, la pire chose qui puisse arriver, c'est que nous perdons du temps avant de pouvoir redémarrer l'expérience. Mais si nous considérons la fusion comme une source d'énergie, elle doit travailler 24/7, sans interruption », a déclaré Jalalvand.
L'IA pourrait conduire à des systèmes de fusion compacts et économiques
Le nom Diag2Diag provient du mot «diagnostic», qui fait référence à la technique utilisée pour analyser un plasma et comprend des capteurs qui mesurent le plasma. Les diagnostics prennent des mesures à intervalles réguliers, souvent aussi rapidement qu'une fraction de deuxième arrière. Mais certains ne mesurent pas le plasma assez souvent pour détecter les instabilités de plasma en évolution particulièrement rapide: des changements soudains dans le plasma qui peuvent rendre la puissance difficile à produire de manière fiable.
Il existe de nombreux diagnostics dans un système de fusion qui mesurent différentes caractéristiques du plasma. La diffusion de Thomson, par exemple, est une technique de diagnostic utilisée dans les systèmes de fusion en forme de section appelés tokamaks. Le diagnostic de diffusion de Thomson mesure la température des particules chargées négativement appelées électrons, ainsi que la densité: le nombre d'électrons emballés dans une unité d'espace. Il faut des mesures rapidement mais pas assez rapides pour fournir des détails que les physiciens du plasma ont besoin pour maintenir le plasma stable et à des performances de pointe.
« Diag2Diag est en quelque sorte un coup de pouce à vos diagnostics sans dépenser de l'argent du matériel », a déclaré Egemen Kolemen, chercheur principal de la recherche qui est nommée conjointement au PPPL et au Centre Andlinger de l'énergie de l'Université de Princeton et du Département de génie mécanique et aérospatial.
Ceci est particulièrement important pour la diffusion de Thomson car les autres diagnostics ne peuvent pas prendre de mesures au bord du plasma, qui est également connu sous le nom de piédestal. C'est la partie la plus importante du plasma à surveiller, mais il est très difficile à mesurer. La surveillance soigneusement du piédestal aide les scientifiques à améliorer les performances du plasma afin qu'ils puissent apprendre les meilleures façons de retirer efficacement le plus d'énergie de la réaction de fusion.
Pour que l'énergie de fusion soit une partie importante du système électrique américain, elle doit être à la fois économique et fiable. Le chercheur du personnel de PPPL, Sangkyeun Kim, qui faisait partie de l'équipe de recherche Diag2Diag, a déclaré que l'IA évolue les États-Unis vers ces objectifs.
« Les tokamaks expérimentaux d'aujourd'hui ont beaucoup de diagnostics, mais les futurs systèmes commerciaux devront probablement en avoir beaucoup moins », a déclaré Kim. « Cela aidera à rendre les réacteurs de fusion plus compacts en minimisant les composants qui ne sont pas directement impliqués dans la production d'énergie. »
Moins de diagnostics libèrent également un espace précieux à l'intérieur de la machine, et la simplification du système le rend également plus robuste et fiable, avec moins de chances d'erreur. De plus, il réduit les coûts de maintenance.
Ai approches pour stabiliser le plasma de fusion
L'équipe de recherche a également constaté que les données de l'IA soutiennent une théorie principale sur le fonctionnement d'une méthode pour l'arrêt des perturbations du plasma. Les scientifiques des fusions du monde entier travaillent sur des moyens de contrôler les modes localisés à bord (ormes), qui sont de puissants éclatements d'énergie dans les réacteurs de fusion qui peuvent gravement endommager les murs intérieurs du réacteur.
Une méthode prometteuse pour arrêter les ormes consiste à appliquer des perturbations magnétiques résonnantes (RMP): petites modifications apportées aux champs magnétiques utilisés pour maintenir un plasma à l'intérieur d'un tokamak. Le PPPL est un leader de la recherche sur la suppression des ELM, avec des articles récents sur l'IA et les approches traditionnelles pour arrêter ces perturbations problématiques. Une théorie suggère que les RMP créent des « îles magnétiques » au bord du plasma. Ces îles font aplatir la température et la densité du plasma, ce qui signifie que les mesures étaient plus uniformes à travers le bord du plasma.
« En raison de la limitation du diagnostic de Thomson, nous ne pouvons normalement pas observer cet aplatissement », a déclaré le chercheur principal du PPPL, Qiming Hu, qui a également travaillé sur le projet. « Diag2Diag a fourni beaucoup plus de détails sur la façon dont cela se produit et comment il évolue. »
Bien que les îles magnétiques puissent conduire à des ormes, un ensemble croissant de recherches suggère qu'ils peuvent également être affinés en utilisant des PRC pour améliorer la stabilité du plasma. Diag2Diag a généré des données qui ont fourni de nouvelles preuves de cet aplatissement simultané de la température et de la densité dans la région de piédestal du plasma. Cela soutient fortement la théorie de l'île magnétique pour la suppression des ormes. Comprendre ce mécanisme est crucial pour le développement de réacteurs de fusion commerciaux.
Les scientifiques poursuivent déjà des plans pour étendre la portée de Diag2Diag. Kolemen a noté que plusieurs chercheurs ont déjà exprimé leur intérêt à essayer l'IA. « Diag2Diag pourrait être appliqué à d'autres diagnostics de fusion et est largement applicable à d'autres domaines où les données de diagnostic sont manquantes ou limitées », a-t-il déclaré.
