Tecnologia de IA para prever e controlar em tempo real o comportamento do plasma de fusão nuclear

Previsão e controle em tempo real do comportamento do plasma de fusão nuclear com IA

• Super-resolução multimodal: sistemas complexos não lineares, governados por múltiplas escalas físicas espaciais e temporais, não podem ser totalmente compreendidos com um único diagnóstico. Ao combinar vários diagnósticos, surgem projeções incompletas da física do sistema. É possível preencher essas lacunas identificando correlações ocultas. Para isso, foi introduzida uma metodologia inovadora de machine learning. Essa metodologia ajuda a lidar com instabilidades do plasma, como os edge-localized modes (ELM).

• Controle de perfil em tempo real com machine learning: vários "atuadores" são usados para controlar o plasma em tokamaks. O controle preditivo por modelo pode aumentar a taxa de sucesso dos experimentos de física e economizar tempo. Como os modelos físicos em tempo real nem sempre são precisos, foram desenvolvidos modelos de machine learning que geram previsões em menos de 100 microssegundos usando apenas diagnósticos em tempo real.

Monitoramento do comportamento do plasma por meio de diagnósticos de alta resolução

• Detecção e classificação de instabilidades: está em andamento uma pesquisa para detectar e classificar instabilidades no núcleo do plasma com base em sinais de emissão ciclotrônica de elétrons. Foi demonstrado que modelos de machine learning, como Reservoir Computing Networks, são eficazes no processamento de dados temporais em séries temporais.

• Melhoria da precisão e do alcance dos dados de diagnóstico: a precisão e o alcance dos dados de diagnóstico são importantes para compreender o desempenho ideal de dispositivos de pesquisa em fusão nuclear e reatores. Com abordagens baseadas em machine learning, é possível reproduzir sinais de diagnóstico e melhorar a visualização dos sinais.

Validação cruzada e verificação de grandes bases de dados de modelos de transporte em tokamaks

• Maior confiabilidade nas previsões de transporte em tokamaks: usando descargas DIII-D para garantir significância estatística, aumentou-se a confiabilidade dos modelos preditivos. A validação dos solvers de transporte 1D ASTRA e TRANSP mostrou alta precisão na previsão da energia armazenada, mas não houve vantagem estatística em relação a modelos empíricos simples na previsão dos perfis de temperatura do plasma.

Separação estável do divertor por meio de um proxy frontal de emissão Carbono-III em tempo real

• Separação estável do divertor: isso permite que os tokamaks mantenham bom confinamento enquanto evitam danos às placas do divertor causados por fluxo de calor excessivo. Com algoritmos de machine learning, é possível encontrar diretamente os valores de separação em qualquer ponto do tokamak e ajustar os sinais de atuação quando necessário.

[GN⁺]

Opiniões no Hacker News

• Para referência, https://www.ri.cmu.edu/ai-meets-fusion-cmu-princeton-join-fo... também vale a leitura
  Era o link enviado originalmente, mas foi alterado por meio de https://news.ycombinator.com/item?id=42077657

• Aprendi hoje: isto não era apenas uma combinação de chavões da moda
  https://en.wikipedia.org/wiki/Fusion_power#Machine_learning

  • Meu orientador também fez um projeto de machine learning para estimar a densidade e a temperatura de elétrons dentro de um tokamak: https://www.cs.wm.edu/~ppeers/showPublication.php?id=Ozturk:...
    Tecnicamente, isso se enquadra em “IA para fusão nuclear”, mas é difícil ver como algum avanço revolucionário. Em quase todos os casos, o efeito da IA é periférico e, embora não seja exatamente zero, fica longe do marketing exagerado
  • Quase 20 anos atrás, quando eu trabalhava com computação em grade, já rodávamos experimentos de fusão, transmitíamos os dados em tempo real para a grade, analisávamos rapidamente e calculávamos novos parâmetros para a próxima execução
    Acho que havia uns 20 minutos de downtime na época. Não chamávamos aquilo de machine learning, e certamente não era o deep learning de hoje
  • Interessante. Isso me lembra como uma nova geração de headsets de AR, como o Orion, consegue tornar possível o que parecia impossível simplesmente colocando uma camada derivada de redes neurais artificiais sobre alguns controladores de dispositivos
    Fico curioso para saber quantos problemas vão mudar fundamentalmente diante de técnicas maduras de força bruta
  • Se você enxergar a vida como uma reação química complexa que tenta se sustentar sozinha, isso é bem interessante
  • IA não é um chavão. É o mesmo que dizer para vencer o Go sem machine learning
    Se você ignorar a linguagem corporativa, dá para ver muitas coisas incríveis que praticamente só se tornaram possíveis pela primeira vez com redes neurais

• Há bastante pesquisa em IA na área de fusão. Na fusão por confinamento inercial, que compete com a fusão por confinamento magnético, como em tokamaks, o National Ignition Facility (NIF) usou IA em experimentos que chegaram à “ignição”
  Nosso laboratório colabora com pesquisadores do Laboratory for Laser Energetics para melhorar a fusão por confinamento inercial (ICF) com IA. Recentemente publicamos um artigo [1] que prevê resultados de experimentos de ICF usando Kolmogorov-Arnold Networks (KANs). Os simuladores físicos atuais são baseados em código Fortran antigo, são lentos e têm grande erro entre a previsão e os disparos reais de laser, então um dos objetivos é criar preditores melhores com redes neurais. Isso é necessário porque é difícil iterar rapidamente com dados reais, e o conjunto de dados de disparos de ICF tem apenas cerca de 300 exemplos
  [1] https://arxiv.org/abs/2409.08832

  • Lá vem de novo a tendência, no pessoal de ciência da computação, de dizer que “código Fortran antigo é péssimo”. O grande erro entre as previsões do código e os disparos de laser ocorre porque LPI é inerentemente muito ruidosa e é praticamente impossível controlar completamente as condições
    Mesmo rodando simulações caras por dias ou semanas, no experimento, se o foco desviasse apenas 1 mícron, o resultado podia mudar por uma ordem de grandeza. O “código Fortran antigo” em si não é o problema; há física correta ali dentro. O problema é que não dá para controlar as condições iniciais, e é por isso que simular sistemas assim é difícil
    O código não é mágica; é código de física e, em geral, codifica a física relevante ao experimento conforme a entendemos. Então isso é parecido com dizer que o modelo físico está errado, mas esse é um padrão muito mais alto, que exigiria invalidar quase 100 anos de física de plasmas. Não é como previsão do tempo, em que dá para espalhar balões meteorológicos pelo mundo; não dá para sondar o tempo todo cada mícron do alvo até a temperatura e a densidade do plasma
  • Não existe uma lacuna bem grande entre código Fortran antigo e IA?
    Que tal reescrever os algoritmos existentes em C e aplicar técnicas modernas? Coisas como multithreading ou computação em GPU. Se houver valor nisso, parece algo factível e que talvez nem demorasse tanto
  • Fiquei curioso com a parte “código Fortran antigo, lento e com grande erro de previsão”
    Gostaria de saber se há referências ou documentação online que descrevam as APIs, softwares e códigos-fonte relacionados a projetos nessa área

• Cerca de 20 anos atrás, quando eu era aluno de graduação na Universidade de Pádua, na Itália, havia um equipamento experimental de fusão em Legnaro, na periferia da cidade
  O equipamento de fusão ficava em um prédio, e a sala de controle ficava no prédio ao lado. Na época usávamos monitores CRT e, sempre que acontecia um evento de fusão, o campo de confinamento magnético era tão forte que as imagens de todas as telas da sala de controle se deslocavam simultaneamente para um lado e depois voltavam quando o campo era desligado. Isso atravessando o prédio

  • Fico imaginando se isso também afetava discos rígidos ou microfones

• Isto é simplesmente um anúncio de renovação de financiamento de pesquisa?

  • Este link parece mostrar o resumo da pesquisa que de fato recebe apoio
    “AI for Real-time Fusion Plasma Behavior Prediction and Manipulation - Plasma Control Group”: https://control.princeton.edu/machine-learning-for-rt-profil...
  • Parece que sim. É o poder do :staremoji:marketing:staremoji:

• “However, uncovering these inter-correlations analytically is too complex to be achieved analytically.” — isso dá até um suspiro.
  É ótimo e admirável estar empolgado com o próprio trabalho, mas será que não dá para lapidar um pouco mais as frases e parar de usar chavões promocionais como “groundbreaking”, “now.. for the first time” e “unprecedented”? Esse tipo de expressão dispersa prejudica muito a legibilidade da argumentação e, francamente, cria um viés negativo no leitor, reduzindo até a credibilidade.

  • É bem provável que tenham usado um LLM no processo de redação.

• Nêutrons tornam o hardware radioativo por ativação.
  No Hacker News há muita gente sonhando com reatores de fusão, não de fissão. Esses reatores de fusão seriam fontes poderosas de nêutrons rápidos, e todo o hardware interno acabaria se tornando radioativo. Sem falar nos raios gama.
  Se de qualquer forma será preciso lidar com materiais radioativos, por que não usar simplesmente fissão? Lidamos com reatores de fissão há 70 anos e sabemos como construí-los e operá-los com eficiência acima de 95%. A fissão pode fornecer toda a energia elétrica necessária.
  Atualmente há 440 reatores de fissão em operação em 32 países, e 20% da rede elétrica dos EUA vem da fissão. Se você quer desenvolver tecnologia de energia, deveria se concentrar em melhorar a fissão. Por exemplo, coisas como combustível TRISO (https://news.ycombinator.com/item?id=41898377) ou o trabalho da Lightbridge (https://www.ltbridge.com/lightbridge-fuel). O Hacker News é hostil à fissão e demonstra uma atitude derrotista, incapaz de imaginar inovação em tecnologia de fissão, mas essa postura vai mudar gradualmente.
  Citando John Carmack: “A fusão com deutério ofereceria uma fonte de combustível barata e praticamente infinita, com um fluxo de resíduos moderado, mas, em comparação com a fissão, é uma forma quase ridiculamente complexa e cara de produzir calor. A fissão é basicamente algo como ‘coloque estas pedras umas ao lado das outras e elas esquentam’.”

  • Não sou especialista, mas o que acho que sei é o seguinte. Falando do ponto de vista de um francês, consumo a maior parte da minha eletricidade vinda de usinas nucleares de fissão.
    1/ Urânio não é renovável — muito pelo contrário —, precisa ser minerado e processado, é caro e também bastante poluente. Na maior parte do mundo ele não existe nas concentrações necessárias, o que também cria problemas geopolíticos.
    2/ Usinas nucleares de fissão exigem Estados ou governos que funcionem bem e a ausência de guerra. Um ataque convencional a uma usina nuclear também pode ter consequências destrutivas e duradouras, e qualquer grupo terrorista aleatório poderia fazer isso.
    3/ Li que “em última instância, os pesquisadores esperam adotar a reação prótio-boro-11, pois, embora reações secundárias sejam possíveis, ela não produz nêutrons diretamente”. É uma citação da Wikipedia, mas já vi isso em outras fontes também.
    Portanto, a fusão não parece ser a melhor opção no curto prazo, por causa da complexidade e do custo da pesquisa, mas no médio e longo prazo certamente parece ser a melhor escolha. Já fizemos a escolha desastrosa de curto prazo com carvão e petróleo, então seria bom aprender com isso.
    Ou talvez eu esteja completamente errado.
  • É verdade que “nêutrons tornam o hardware radioativo por ativação”, mas há duas ressalvas.
    1. O bombardeio de nêutrons da fusão torna o hardware radioativo por menos de 10 anos; não é bom, mas não chega a ser comparável aos resíduos da fissão.
    2. Alguns processos de fusão não emitem nêutrons, ou seja, são fusão aneutrônica. Pelo que entendo, esses processos têm eficiência menor, mas pode haver um trade-off entre geração de resíduos radioativos e eficiência.
  • Não entendo bem o que significa “operar com eficiência acima de 95%”.
    Se isso se refere ao processo total de obter energia ou eletricidade a partir do reator, é impossível. Ainda há a limitação do ciclo de Carnot. Mesmo os reatores mais avançados, como HTGR, têm eficiência de cerca de 45%.
    Se você está usando uma definição de eficiência diferente da padrão, seria bom explicitar essa definição.
    [1] https://en.wikipedia.org/wiki/High-temperature_gas-cooled_re...
  • Você postou um comentário quase palavra por palavra igual há um mês[0]; por quê? Não sei o motivo, mas a frase “no Hacker News há muita gente sonhando com fusão, não com fissão” ficou na minha cabeça.
    [0] https://news.ycombinator.com/item?id=41677250
  • Na minha opinião, esse é o menor dos problemas. O problema maior é a corrosão por nêutrons.
    Há o truque de usar blindagem de lítio para produzir o trítio necessário à fusão, mas não sei quão eficaz isso é, especialmente do ponto de vista da vida útil do reator no longo prazo. Esses reatores são muito caros, então também não está claro se vale a pena parar todo ano e substituir toda a blindagem de Li.