Sztuczna inteligencja przyspiesza wykrywanie bezpiecznych stref w reaktorach fuzyjnych

Nowa era ochrony komponentów reaktorów fuzyjnych dzięki AI

Współpraca Princeton University, amerykańskiego laboratorium Princeton Plasma Physics Laboratory (PPPL), Oak Ridge National Laboratory oraz firmy Commonwealth Fusion Systems (CFS) zaowocowała opracowaniem narzędzia HEAT-ML. To innowacyjne rozwiązanie wykorzystuje sztuczną inteligencję do szybkiego wykrywania tzw. „magnetycznych cieni” – obszarów wewnątrz reaktorów fuzyjnych, które są naturalnie chronione przed bezpośrednim oddziaływaniem gorącej plazmy.

Dlaczego „magnetyczne cienie” są tak ważne?

Energia fuzyjna, będąca reakcją napędzającą Słońce i gwiazdy, wymaga ekstremalnych temperatur i precyzyjnej kontroli plazmy. Kluczowym wyzwaniem jest ochrona elementów reaktora – zwłaszcza tzw. komponentów stykających się z plazmą – przed uszkodzeniami termicznymi. „Magnetyczne cienie” to strefy, gdzie dzięki geometrii i polom magnetycznym, elementy są osłonięte przed największym żarem.

HEAT-ML – przełom w symulacjach dla tokamaka SPARC

HEAT-ML powstało z myślą o analizie fragmentu tokamaka SPARC, budowanego przez CFS w Massachusetts. Celem projektu SPARC jest osiągnięcie dodatniego bilansu energetycznego do 2027 roku. Wyzwanie polega na tym, iż tradycyjne narzędzia symulacyjne, takie jak HEAT, wymagały choćby 30 minut na pojedynczą symulację najbardziej narażonych elementów wydechu plazmy. HEAT-ML, dzięki zastosowaniu głębokich sieci neuronowych, skraca ten czas do milisekund.

Jak działa HEAT-ML?

Narzędzie analizuje linie pola magnetycznego, sprawdzając, czy przechodzą one przez inne elementy tokamaka i tworzą „cienie” na powierzchniach. Model został wytrenowany na podstawie ok. 1000 symulacji HEAT dla SPARC, co pozwala precyzyjnie przewidywać lokalizację stref chronionych.

„To badanie pokazuje, iż można stworzyć AI, która działa jako zastępstwo istniejącego kodu, znacząco przyspieszając uzyskanie przydatnych odpowiedzi i otwierając nowe możliwości w zakresie kontroli i planowania scenariuszy.”

– Michael Churchill, szef działu digital engineering w PPPL

Perspektywy rozwoju i znaczenie dla energetyki

Obecnie HEAT-ML jest zintegrowane z kodem HEAT i działa na konkretnym fragmencie SPARC. Zespół badawczy pracuje nad rozszerzeniem jego możliwości do różnych kształtów i rozmiarów systemów wydechowych oraz innych elementów stykających się z plazmą w tokamakach. Szybkie i precyzyjne symulacje mogą w przyszłości umożliwić dynamiczne sterowanie reaktorami fuzyjnymi oraz lepsze planowanie ich eksploatacji.

„Najgorsze, co może się wydarzyć, to konieczność zatrzymania pracy reaktora z powodu uszkodzeń spowodowanych przez plazmę.”

– Doménica Corona Rivera, Princeton Plasma Physics Laboratory

• Proxima Fusion i F4E: Nowa era współpracy w europejskiej energetyce fuzyjnej
• Europa traci przewagę w wyścigu o energię przyszłości. Czy strategia KE uratuje fuzję jądrową?
• 130 mln euro dla Proxima Fusion. Europa przyspiesza wyścig o energię z fuzji jądrowej

Źródło: ScienceDaily