Jedan od najvećih izazova kod razvoja nuklearnih fuzijskih reaktora zasnovanih tokamaku, u kojem se nalazi užarena plazma, jest kako tu plazmu snažnim magnetskim poljima zadržati tamo gdje ona i treba biti, što će rezultirati uspješnim fuzijskim reakcijama. Plazma zagrijana na više od 100 milijuna °C lako može izgubiti stabilnost i "pobjeći" iz magnetnog polja, što u pravilu prekida fuziju. S izazovom zadržavanja plazme unutar željenih granica pozabavili su se inženjeri, fizičari i podatkovni znanstvenici s Princetona, koji su u svojem radu iskoristili prednosti umjetne inteligencije.

Korak bliže stabilnoj fuziji

U njihovom laboratoriju za fiziku plazme (Princeton Plasma Physics Laboratory, PPPL) istraživači su uspjeli sustavom umjetne inteligencije predvidjeti kada bi moglo doći do problema u održavanju plazme, pa potom unaprijed reagirati da bi se njezin "bijeg" spriječio.

Eksperimente su proveli u pokusnom fuzijskom reaktoru DIII-D National Fusion Facility u San Diegu. Prvo su na podacima iz ranijih eksperimenata istrenirali sustav umjetne inteligencije, a nakon toga on je imao mogućnost predvidjeti neželjene događaje do 300 milisekundi prije nego oni nastupe unutar tokamaka. To je ostavilo dovoljno vremena sustavu da reagira i promijeni potrebne parametre reaktora te spriječi izbacivanje užarene plazme iz ravnoteže, kao i posljedično gašenje fuzijskih reakcija.

Ovo istraživanje otvara vrata novim metodama dinamičke kontrole reakcija unutar fuzijskih pogona, u stvarnom vremenu. "Ranije studije općenito su bile usredotočene na suzbijanje ili ublažavanje učinaka nestabilnosti koje kidaju plazmu, nakon što se pojave. Naš pristup omogućava predviđanje i izbjegavanje tih nestabilnosti prije nego što se pojave", kaže glavni autor studije Jaemin Seo.

Duboko učenje

Autori naglašavaju i da AI sustav nije kao ulazne podatke koristio fizikalne modele, već samo empirijske podatke iz ranijih eksperimenata na pravom tokamaku. Nakon toga sustav je testiran u simulacijama, gdje je mogao "naučiti" kako njegove odluke o kontroli reaktora utječu na ponašanje plazme. Time je dodatno treniran algoritam osnaženog dubokog učenja, pred kojim je bio postavljen cilj – zadržati stabilnu reakciju i izbjeći nestabilnost.

S vremenom je AI sustav, obavljajući brojne simulacije, "naučio" ponašati se na optimalan način, ispunjavati cilj koji mu je postavljen i izbjegavati "kaznu" gašenja reakcije. Uloga ljudi bila je tek podešavati rad sustava i uskladiti ga s onim što eksperimentalni reaktor u stvarnom svijetu može podnijeti.

Rad je objavljen u časopisu Nature, a pokusi na tokamaku DIII-D nastavljaju se. U njima će znanstvenici proširiti područje djelovanja AI-ja i dati mu mogućnost dijagnoze većeg broja problema unutar reaktora.