Ciencia

Avance de la fusión nuclear a medida que la IA ayuda a rastrear la turbulencia en los reactores

La energía de fusión nuclear práctica podría estar más cerca gracias a la aplicación de inteligencia artificial para rastrear «gotas» turbulentas de plasma en reactores prototipo. La fusión nuclear es un proceso que ocurre naturalmente en estrellas como el Sol, tomando núcleos de hidrógeno y combinándolos para formar helio, liberando cantidades colosales de energía en el proceso. De hecho, la fusión puede generar más de cuatro millones de veces la cantidad de energía liberada por una reacción química equivalente, como la quema de carbón, petróleo o gas, y cuatro veces la de la fisión nuclear, que implica la división de átomos. La fusión requiere temperaturas y presiones extremas que se crean en las estrellas como resultado de su inmensa masa y atracción gravitacional. Lograr las mismas condiciones en la Tierra requiere atrapar plasma súper caliente, un estado cargado de materia compuesto de electrones libres y núcleos atómicos, dentro de un campo magnético en forma de rosquilla en una máquina llamada tokamak. Sin embargo, la turbulencia en el borde del plasma tiende a formar «gotas» similares a filamentos que drenan el calor del plasma confinado y corren el riesgo de dañar las paredes internas del tokamak.

Para estudiar estos blobs, los científicos generalmente se han basado en técnicas promedio, que intercambian información de estructuras individuales a favor de estadísticas agregadas.

Para examinar la evolución de los blobs individuales, estos deben rastrearse marcándolos manualmente en datos de video, un procedimiento difícil y lento, especialmente dado que pueden aparecer miles de blobs cada segundo que un tokamak está funcionando.

Para facilitar este proceso, el ingeniero Dr. Theodore Golfinopoulos del Instituto Tecnológico de Massachusetts y sus colegas primero construyeron un conjunto de datos de video sintético de turbulencia de plasma dentro de un reactor tokamak.

Luego, esto se usó para entrenar cuatro modelos diferentes de aprendizaje automático para identificar y rastrear manchas en el plasma de la misma manera que lo harían los humanos.

Al probar los modelos entrenados en videoclips reales de plasma turbulento, el equipo descubrió que los modelos podían identificar manchas con un alto grado de precisión, más del 80 por ciento en algunos casos.

Además, los modelos también pudieron estimar de manera efectiva tanto los tamaños de las manchas como las velocidades a las que se movían.

Dados los millones de fotogramas de video que se capturan en cada experimento de fusión, la aplicación de inteligencia artificial para rastrear manchas turbulentas tiene la capacidad de brindar a los científicos información sustancialmente más detallada para refinar el diseño y la operación del reactor.

El Dr. Golfinopoulos explicó: “Antes, podíamos obtener una imagen macroscópica de lo que hacen estas estructuras en promedio. Ahora, tenemos un microscopio y el poder computacional para analizar un evento a la vez.

“Si damos un paso atrás, lo que esto revela es el poder disponible de estas técnicas de aprendizaje automático y las formas de utilizar estos recursos computacionales para progresar”.

LEER MÁS: Los expertos arrojan luz sobre las interrupciones que impiden la fusión nuclear práctica

El coautor del artículo y físico Woonghee «Harry» Han explicó que el aprendizaje automático mejora el análisis de la turbulencia del plasma al proporcionar «seguimiento gota a gota para cada cuadro, no solo cantidades promedio».

«Esto nos da mucho más conocimiento sobre lo que está sucediendo en el límite del plasma».

Las gotas, explicó Han, son aleatorias e impredecibles en su comportamiento.

Agregó: “A veces cambian de dirección o velocidad, a veces se fusionan varias manchas o se separan.

“Este tipo de eventos no se consideraban antes con los enfoques tradicionales, pero podíamos simular libremente esos comportamientos en los datos sintéticos.

El Dr. Golfinopoulos agregó: “Saber qué están haciendo las manchas restringe fuertemente el rendimiento de ingeniería que su planta de energía tokamak necesita en el borde.

NO TE PIERDAS:Importante corte de cable en Francia pocas horas después del incidente de Shetland [REPORT]National Grid desbloquea un hito energético ‘récord’ [INSIGHT]Asteroide dorado por valor de £ 9 cuatrillones apuntado por la NASA [ANALYSIS]

Con su estudio inicial completo, los investigadores ahora buscan aplicar datos sintéticos similares y técnicas de aprendizaje automático a otros problemas en la investigación de fusión, como la estimación del transporte de partículas en los límites del plasma.

El equipo también puso a disposición del público su conjunto de datos y modelos para que otros grupos de investigación puedan usar las mismas herramientas para estudiar la dinámica de las manchas.

El autor del artículo y científico informático, el profesor Iddo Drori de la Universidad de Boston, dijo: «Antes de esto, había una barrera de entrada [in] que en su mayoría las únicas personas que trabajaban en este problema eran físicos de plasma, que tenían los conjuntos de datos y estaban usando sus métodos.

“Uno de los objetivos de este trabajo es alentar la participación en la investigación de fusión de la comunidad más amplia de aprendizaje automático”.

Los hallazgos completos del estudio se publicaron en la revista Scientific Reports.

Facebook Comments Box

Publicaciones relacionadas

Botón volver arriba