El uso de inteligencia artificial acelerará la realidad de la fusión nuclear comercial 

La energía procedente de la fusión nuclear se postula como la próxima revolución energética. Una vez se consiga la tecnología necesaria para hacer instalaciones comerciales, la humanidad dispondrá de una fuente de energía prácticamente inagotable y que no produce apenas contaminación. 

Todavía faltan años para disponer de esta fuente de energía, quedando por resolver problemas fundamentales. Pero la inteligencia artificial está ayudando a los científicos a acelerar el proceso. 

Como veíamos en un post anterior, se han desarrollado dos métodos de confinamiento del plasma para que la fusión nuclear pueda tener lugar de manera controlada y segura: por confinamiento inercial (FCI) y por confinamiento magnético (FCM). 

Es sobre este segundo método donde se está aplicando la inteligencia artificial con aprendizaje profundo por refuerzo. 

Qué es el aprendizaje profundo por refuerzo

El aprendizaje profundo por refuerzo (o deep reinforcement learning) es una variante dentro del aprendizaje automático (machine learning) que combina el aprendizaje por refuerzo (reinforcement learning-RL) y el aprendizaje profundo (deep learning-DL). El RL aprende a tomar decisiones por ensayo y error, recibiendo “recompensas” o grados de “perplejidad” en función de los resultados obtenidos. En problemas muy complejos, se le incorporan redes neuronales capaces de resolver problemas que, utilizando sólo marcadores de recompensas, no llegan bien a soluciones satisfactorias.  

Fuente: Deep Reinforcement Learning and Its Neuroscientific Implications 

Es importante señalar que el aprendizaje profundo por refuerzo no es tan solo una concatenación de aprendizaje profundo y de aprendizaje por refuerzo. Al integrar los dos métodos, cada uno desencadena nuevos patrones de comportamiento en el otro, dando lugar a fenómenos computacionales no vistos en el aprendizaje profundo ni en el de refuerzo por separado.  

Si quieres saber más de este tema, puedes hacerlo aquí: A Beginner’s Guide to Deep Reinforcement Learning. 

Inteligencia artificial en el proceso de fusión nuclear

La inteligencia artificial se está aplicando ya para acelerar soluciones que nos ayuden a luchar contra el cambio climático y lograr un mundo net zero. En paralelo, surgen también aplicaciones de inteligencia artificial para plantar cara a los desastres naturales, mediante modelos predictivos. 

Ahora, con los avances obtenidos por DeepMind, la inteligencia artificial se adentra en una de las mayores esperanzas de energía limpia e ilimitada: la fusión nuclear. 

DeepMind, junto con el Swiss Plasma Center de la Escuela Politécnica Federal de Lausana (EPFL), han conseguido entrenar un algoritmo de aprendizaje profundo para controlar el plasma dentro de un reactor de fusión nuclear. El control del plasma requiere una constante supervisión y manipulación del campo magnético y mediante aprendizaje profundo por refuerzo se han podido hacer simulaciones y posteriormente, probarlo en real. 

En el artículo Magnetic control of tokamak plasmas through deep reinforcement learning publicado por Nature, se recoge el trabajo y las conclusiones de este hito. 

El funcionamiento del sistema es como sigue:  

El tokamak está controlado principalmente por 19 bobinas magnéticas que pueden utilizarse para dar forma y posición al plasma de hidrógeno dentro de la cámara de fusión, mientras se dirige una corriente eléctrica a través de él. 

Hasta ahora, las bobinas estaban gobernadas por un conjunto de controladores -uno para cada aspecto del plasma que se presenta en un experimento- que se programaban según complejos cálculos de ingeniería de control, en función de las condiciones particulares que se prueban. Con el nuevo sistema de IA, se ha podido manipular el plasma con un único controlador. 

El reactor puede mantener un plasma de hidrógeno sobrecalentado, normalmente a más de 120 millones de grados Celsius, durante un máximo de 3 segundos. Después de eso, necesita 15 minutos para enfriarse y reiniciarse. En total, se realizaron unos 100 disparos con el reactor bajo control de la IA durante varios días. En este experimento, la IA demostró ser muy eficaz a la hora de posicionar y dar forma al plasma dentro de la cámara de fusión del tokamak en las configuraciones más comunes, incluyendo la llamada forma de copo de nieve, que se cree que es la configuración más eficiente para la fusión. 

Fuente: EPFL 

Una de las cosas más interesantes es que la IA utilizaba las bobinas magnéticas para controlar el plasma de una manera diferente a la que habría resultado del sistema de control estándar. Es decir, con la IA el proceso no solo resulta más rápido, sino que también es capaz de optimizarlo. 

Otro aspecto de gran interés es que con la IA están consiguiendo modelos mucho mejores de cómo se comporta el tokamak. Con estos nuevos modelos de comportamiento, los investigadores van ahora a aplicar este tipo de herramientas a problemas más avanzados de la fusión nuclear. 

El futuro de la IA en la fusión nuclear  

Los algoritmos de aprendizaje profundo por refuerzo abren la puerta al descubrimiento de nuevos diseños de reactores mediante la optimización conjunta de la forma del plasma, el diseño de la pared, la carga térmica y el controlador magnético para maximizar el rendimiento general. 

Como dice el renombrado físico teórico Michio Kaku, en esta entrevista reciente, “la energía de fusión es una de las mayores esperanzas de energía limpia, barata e ilimitada.” ¡Seguiremos atentos a los avances que se vayan produciendo!