La fusione nucleare diventa più vicina grazie al machine learning

La fusione nucleare è potenzialmente una delle fonti di energie più promettenti per il futuro. Nel frattempo, la costruzione di centrali a fusione in giro per il mondo, in Europa e in America, procede in parallelo alle simulazioni numeriche.

Vi abbiamo già raccontato di come procede la costruzione di una centrale a fusione negli USA; per maggiori dettagli su come funziona la fusione, vi rimando a questa news.

Oggi vi raccontiamo di come i modelli numerici possano aiutare i ricercatori a comprendere lo studio del plasma in cui la fusione avviene, così come a predire l'efficienza dei reattori progettati. Tuttavia, modellare e simulare un evento così complesso non è certo facile e tanti codici non sono abbastanza veloci, efficienti ed accurati per tale scopo. Ora, sembra che il machine learning, tecnologia utilizzata anche nel DLSS, possa aiutare a velocizzare le simulazioni numeriche.

Al momento, le centrali a fusione non riescono ancora a garantire un guadagno di energia erogata che sia economicamente vantaggioso. A questo fine, è necessario tentare diversi design di centrale, sempre più complessi. E' dunque fondamentale riuscire a predirne l'efficienza per evitare errori e sprechi di tempo e denaro, nonché per proteggere gli strumenti da eventuali danni. Una simulazione numerica deve inglobare tutti i fenomeni rilevanti nel processo di fusione, in maniera abbastanza accurata e quantitativa da essere utilizzate quando vengono prese decisioni sui processi di costruzione.

La ricerca, effettuata da Aaron Ho nel sua tesi di dottorato, utilizza un modello, basato sulle reti neurali, per tenere sotto controllo la precisione dei calcoli e i tempi computazionali allo stesso tempo. Con la sua intelligenza artificiale, allenata usando numerosi dati sperimentali, il nuovo modello riuscito a riprodurre i risultati attesi con un livello di confidenza del 10% e ha ridotto il tempo di simulazione da 217 ore su 16 core fino a due ore su un core singolo.

Lo studio ha fornito una maggiore comprensione della fisica dietro ai dati sperimentali relativi alla fusione. Infine, Ho suggerisce che il suo modello potrebbe essere esteso ad altre strutture, non solamente relative alla fusione.