In questo articolo Indice dei contenuti 2 sezioni
Un sistema di intelligenza artificiale sviluppato a Princeton è riuscito a controllare il plasma da fusione in pochi millesimi di secondo, muovendosi molto più in fretta di quanto un operatore umano possa anche solo accorgersi di quello che sta succedendo. Il software si chiama PACMAN, acronimo costruito su Prediction And Control using MAchiNe learning, ed è stato provato sul campo in cinque esperimenti distinti su una macchina reale. Il risultato più curioso arriva da uno di questi test, dove il sistema ha previsto un’instabilità pericolosa con circa 200 millisecondi di anticipo e ha modificato il plasma per evitare che si formasse.
Il contesto aiuta a capire perché la cosa conta. Dentro alcuni impianti di fusione nucleare le particelle raggiungono temperature superiori a quelle del nucleo del Sole e possono diventare instabili in qualche millesimo di secondo. Nessun essere umano reagisce a quella velocità. Il gruppo del Princeton Plasma Physics Laboratory, laboratorio del Dipartimento dell’Energia statunitense, insieme all’università di Princeton, ha quindi costruito un’infrastruttura software che prende le decisioni rapide al posto delle persone, pur mantenendo limiti di sicurezza rigidi e lasciando agli scienziati il compito di stabilire gli obiettivi.
Perché servivano modelli capaci di decidere in tempo reale
I tokamak, le macchine a forma di ciambella che confinano il plasma con campi magnetici molto intensi, hanno bisogno di aggiustamenti continui su riscaldatori, magneti e iniettori di gas. Il plasma deve restare caldo, denso e stabile, e anche un disturbo modesto può crescere in millisecondi e mandare all’aria la reazione. Il problema è che le simulazioni tradizionali, quelle accurate, richiedono giorni o mesi di calcolo. Utilissime per progettare l’esperimento successivo, del tutto inservibili quando l’intero test dura pochi minuti.
Da qui la scelta del machine learning. Come ha spiegato Hiro Farre Kaga, dottorando del Princeton Program in Plasma Physics e coautore principale del lavoro, i modelli di apprendimento automatico descrivono bene il comportamento del plasma e soprattutto sono l’unico strumento disponibile per modellarlo su scale di millisecondi. La velocità, in questo campo, è tutto.
Il punto debole dei tentativi precedenti era la frammentazione. Ogni modello nasceva per conto suo, senza una struttura comune, mentre un impianto di fusione ha bisogno di sorvegliare e regolare parti diverse della macchina nello stesso momento. Andy Rothstein, dottorando al dipartimento di ingegneria meccanica e aerospaziale e coautore, racconta che l’idea era proprio permettere ai modelli di parlarsi e condividere i risultati dentro un unico sistema integrato. Il ciclo completo di PACMAN gira in circa 20 millisecondi e si ripete di continuo, mentre un operatore molto concentrato risponde nell’ordine dei secondi.
Come funziona il controllo e cosa è successo su DIII-D
La struttura ricorda una catena di montaggio con quattro stazioni. Prima la raccolta delle misure dal tokamak, temperatura, densità, segnali magnetici. Poi il controllo degli errori e l’assemblaggio dei dati in un pacchetto unico. A quel punto i modelli di IA scelgono le informazioni che servono loro e stimano cosa sta facendo il plasma o cosa farà tra poco. Infine i controllori decidono le azioni, per esempio alzare la potenza di un fascio riscaldante, e il sistema risolve eventuali istruzioni in conflitto, applica i limiti di sicurezza hardware e invia i comandi approvati.
Le prove si sono svolte sul tokamak DIII-D di San Diego. In quelle sessioni PACMAN ha lasciato che un modello addestrato per tentativi ed errori prendesse il pieno controllo dei sistemi di riscaldamento, ha previsto scariche improvvise di energia dal bordo del plasma, ha individuato e gestito onde generate da particelle veloci, ha regolato densità e rotazione sui valori voluti dai ricercatori e ha bloccato sul nascere una instabilità nota come tearing mode. I controllori convenzionali non riescono a riconoscerla finché non è già partita, e a quel punto sopprimerla costa parecchio in termini di prestazioni.
Il framework ha anche coordinato tutti e sei i girotroni di DIII-D, i dispositivi che scaldano il plasma con fasci di microonde, regolandone la potenza e spostando gli specchi in tempo reale. Farre Kaga ammette che un algoritmo capace di trovare quella soluzione ottimale prima non esisteva.
Rothstein sottolinea un altro effetto pratico. Costruire l’impianto e installare il primo modello ha richiesto mesi, il secondo modello è entrato in un paio di giorni, con meno errori e test più semplici. Egemen Kolemen, professore associato a Princeton, insiste sulla modularità come elemento che trasforma il controllo del plasma con l’intelligenza artificiale da singola dimostrazione a infrastruttura riutilizzabile, adattabile a tokamak di forme e dimensioni diverse, comprese macchine ancora da progettare.
