Fusion nucléaire : DeepMind aide les physiciens à contrôler le plasma dans les tokamaks

Les chercheurs du Tokamak à configuration variable en Suisse ont fait appel à DeepMind, une société spécialisée dans l’intelligence artificielle. L’utilisation d’une l’IA spécialement entraînée pour configurer automatiquement les champs magnétiques leur permet de tester différentes formes de plasma.

Cela vous intéressera aussi


[EN VIDÉO] Interview : comment est née l’intelligence artificielle ?
  L’intelligence artificielle vise à mimer le fonctionnement du cerveau humain, ou du moins sa logique lorsqu’il s’agit de prendre des décisions. Jean-Claude Heudin, directeur du laboratoire de recherche de l’IIM (Institut de l’Internet et du multimédia), nous explique l’origine de ces recherches. 

La fusion nucléaire pourrait un jour satisfaire les besoins énergétiques de l’humanité, en fournissant de grandes quantités d’électricité propre. Toutefois, le développement de cette technologie connaît encore de nombreux obstacles. Des atomes d’hydrogène sont chauffés à des températures extrêmement élevées pour créer un plasma, ce qui devrait libérer beaucoup d’énergie.

L’un des problèmes est de trouver comment garder ce plasma à une température plus élevée que la surface du soleil suffisamment longtemps pour en extraire de l’électricité. C’est là qu’intervient DeepMind, une société sœur de Google, spécialisée dans l’intelligence artificielle. Dans un article publié dans la revue Nature, la firme s’est associée à Swiss Plasma Center pour créer une intelligence artificielle (IA) spécialisée dans la fusion nucléaire.

Une IA pour tester différentes formes de plasma

Pour contenir la réaction, les scientifiques utilisent des bobines génératrices de champs magnétiques. Elles doivent être parfaitement calibrées pour obtenir la forme voulue et s’assurer que le plasma ne touche pas les parois du réacteur. Pour tester d’autres configurations afin d’améliorer la réaction, il est nécessaire de tout recalibrer, ce qui est une tâche très complexe et très longue.

L’IA de DeepMind a été conçue pour recalibrer automatiquement les 19 bobines magnétiques à l’intérieur du Tokamak à configuration variable (TCV) en Suisse. Il s’agit d’un système d’apprentissage par renforcement profond basé sur un réseau neuronal. L’IA a d’abord été entraînée dans une simulation en observant comment chacune des bobines affecte la forme du plasma. Elle a ensuite dû tenter de calibrer les bobines pour recréer des formes spécifiques.

Deux plasmas stables pendant 200 millisecondes

L’intelligence artificielle a réussi à correctement reproduire plusieurs formes dont une coupe transversale en forme de D, similaire à celle qui sera utilisée dans le Réacteur thermonucléaire expérimental international (Iter) en construction dans le département des Bouches-du-Rhône et dont le démarrage est prévu pour 2025. Les scientifiques ont ensuite validé les résultats de la simulation en testant les configurations directement dans le TCV.

L’IA a permis aux chercheurs de tester de nouvelles formes de plasma, dont des « gouttelettes », où deux plasmas distincts existent au sein du Tokamak simultanément. Le système a réussi à les stabiliser pendant les 200 millisecondes du test. La fusion nucléaire représente un défi de taille pour l’IA, qui est plus souvent utilisée pour des tâches bien délimitées, comme le traitement d’images, ou au tour par tour comme pour les jeux. Ici, le système a dû gérer un flux continu mais qui ne peut pas être mesuré en continu.

Les résultats de cette collaboration pourraient influencer la conception de futurs tokamaks, voire accélérer le développement d’un réacteur à fusion viable. Reste à voir si l’IA parviendra à obtenir des résultats similaires sur des tokamaks plus grands.

Intéressé par ce que vous venez de lire ?

Note: This article have been indexed to our site. We do not claim legitimacy, ownership or copyright of any of the content above. To see the article at original source Click Here

Related Posts
Harnessing physical systems to perform computation more efficiently thumbnail

Harnessing physical systems to perform computation more efficiently

Like many historical developments in artificial intelligence, the widespread adoption of deep neural networks (DNNs) was enabled in part by synergistic hardware. In 2012, building on earlier works, Krizhevsky et al. showed that the backpropagation algorithm could be efficiently executed with graphics-processing units to train large DNNs for image classification. Since 2012, the computational requirements…
Read More
From off-shore turbines to electric school buses: New York talks big on climate thumbnail

From off-shore turbines to electric school buses: New York talks big on climate

New York’s new Governor, Kathy Hochul, is charting an ambitious course toward reaching the state’s emission-cutting goals. On Wednesday, Governor Hochul outlined several major climate goals in her State of the State address including accelerating offshore wind development, decarbonizing millions of homes and spurring the adoption of electric vehicles throughout the state.  The commitments are…
Read More
Index Of News