LLNL

Nel deserto californiano, dove i laboratori sembrano più set cinematografici che centri di ricerca, è avvenuto qualcosa che fa storcere il naso ai cinici e sorridere gli ottimisti. Al Lawrence Livermore National Laboratory, gli scienziati hanno messo insieme due mondi che per troppo tempo hanno camminato su binari paralleli: la fisica delle alte energie e l’intelligenza artificiale. Il risultato? Un modello predittivo che ha previsto con una precisione intorno al 70% l’esito di un esperimento di fusione nucleare condotto nella National Ignition Facility — e non si è trattato di un colpo di fortuna. LLNL combina dati storici e intelligenza artificiale per la fusione nucleare La NIF è il luogo dove si prova, su scala minuscola ma potentissima, a riprodurre il cuore di una stella. Si concentra una pioggia di laser su una capsula che contiene deuterio e trizio; se tutto va bene, si innesca la fusione e si libera più energia di quanta ne sia servita per avviarla. È un gioco di equilibri finissimi: microdifetti, piccoli disallineamenti, impurezze microscopiche possono trasformare un esperimento promesso in un buco nell’acqua, e qui non si fa l’esperimento per fare pratica: ogni test è costosissimo e raro. La novità è che l’AI impiegata al LLNL non ha solo guardato ai numeri: ha imparato da decenni di esperimenti, da simulazioni complesse e anche da quel sapere non scritto che gli scienziati accumulano nei laboratori. Ha incrociato dati eterogenei, ha pesato variabili che spesso sfuggono ai metodi classici e ha prodotto una stima — nel caso riportato, una probabilità del 74% che l’esperimento riuscisse — che poi si è rivelata corretta. Questo non significa che la macchina abbia “magicamente” risolto il problema della fusione, ma offre uno strumento nuovo per decidere quali configurazioni valgano la pena di essere tentate. Il valore pratico è enorme: al NIF si fanno solo poche decine di esperimenti l’anno. Ridurre il tempo speso su piste poco promettenti significa non solo risparmiare milioni e anni di lavoro, ma aumentare le probabilità di progresso concreto. Inoltre, quando si lavora su sistemi così complessi, l’AI può identificare correlazioni inaspettate e suggerire modifiche che umani soli potrebbero impiegare mesi a scoprire. C’è un rovescio della medaglia: affidarsi troppo a modelli predittivi senza capirne i limiti può essere pericoloso. Le previsioni sono utili se accompagnate da una solida interpretazione fisica e da sperimentazione rigorosa. Ma preso con equilibrio, questo approccio ibrido — fisica sperimentale più machine learning — cambia le regole del gioco. Quel “miraggio” della fusione, che per decenni è sembrato lontano, oggi appare meno vago: non perché l’AI abbia inventato la fusione, ma perché ci dà la possibilità di inseguirla con più metodo, meno colpi a caso e una buona dose di buon senso scientifico.

LLNL

Machine learning e fisica: nuovo strumento per la fusione