RTFlash

RTFlash a besoin de vous pour continuer à exister !

Propulsé par HelloAsso

L'intelligence artificielle pourrait accélérer la maîtrise de la fusion thermonucléaire

Des scientifiques du Princeton Plasma Physics Laboratory (PPPL) et de l’Université de Princeton ont commencé à appliquer pour la première fois l’apprentissage profond (deep learning) - une nouvelle forme très puissante d’apprentissage automatique - pour prévoir les perturbations soudaines qui peuvent arrêter les réactions de fusion et endommager les tokamaks (les chambres en forme de donuts) qui contiennent les réactions.

« Cette recherche ouvre un nouveau chapitre prometteur dans l’effort visant à apporter une énergie illimitée à la Terre », a déclaré Steve Cowley, directeur du PPPL, au sujet des résultats, publiés dans la revue Nature. « L’intelligence artificielle explose à travers les sciences et maintenant, elle commence à contribuer à la quête mondiale de la fusion nucléaire ».

La fusion nucléaire, qui anime le Soleil et les étoiles, consiste en la fusion d’éléments sous forme de plasma - l’état chaud et chargé de la matière, composé d’électrons libres et de noyaux atomiques - qui génère de l’énergie. Les scientifiques cherchent à reproduire la fusion sur Terre pour obtenir un approvisionnement abondant en énergie pour la production d’électricité.

Pour démontrer la capacité de l’apprentissage automatique profond à prévoir les perturbations au sein d’un tokamak - la perte soudaine de confinement des particules plasmatiques et de l’énergie - l’accès à d’énormes bases de données fournies par deux grandes installations de fusion : la DIII-D National Fusion Facility que General Atomics exploite pour le DOE en Californie (la plus grande installation aux États-Unis), et le Joint European Torus (JET) au Royaume-Uni, la plus grande installation (tokamak) au monde, gérée par EUROfusion, le Consortium européen pour le développement de l’énergie de fusion. Le soutien des scientifiques du JET et du DIII-D a été essentiel pour ces travaux.

Les vastes bases de données ont permis de prévoir de façon fiable les perturbations dans les tokamaks autres que ceux sur lesquels le système a été formé - dans ce cas-ci, du “petit” tokamak DIII-D au grand JET. Cette réalisation est de bon augure pour la prévision de perturbations sur ITER, un tokamak beaucoup plus grand et plus puissant qui devra appliquer les capacités acquises dans les installations de fusion actuelles. Le code d’apprentissage profond, appelé Fusion Recurrent Neural Network (FRNN), ouvre également des voies possibles pour contrôler et prédire les perturbations.

« L’intelligence artificielle est le domaine le plus intrigant de la croissance scientifique à l’heure actuelle, et l’associer à la science de la fusion est très excitant », a déclaré Bill Tang, physicien principal de recherche au PPPL, co-auteur du document et maître de conférences au Département des sciences astrophysiques de l’Université de Princeton. Il supervise le projet AI. « Nous avons accéléré la capacité de prédire avec une grande précision le défi le plus dangereux pour une énergie de fusion propre ».

Article rédigé par Georges Simmonds pour RT Flash

Science Daily

Noter cet article :

 

Vous serez certainement intéressé par ces articles :

Recommander cet article :

back-to-top