Em alguns sistemas de fusão, partículas mais quentes que o núcleo do Sol podem tornar-se instáveis em apenas alguns milésimos de segundo. É muito rápido para um operador humano responder. Pesquisadores do Laboratório de Física de Plasma de Princeton (PPPL) do Departamento de Energia dos EUA (DOE) e da Universidade de Princeton desenvolveram uma nova estrutura de software que usa inteligência artificial (IA) para tomar decisões rápidas, mantendo controles de segurança rígidos e responsabilizando as pessoas pela definição dos objetivos do sistema.
A estrutura é chamada PACMAN (um novo acrônimo para Predição e Controle usando Aprendizado de Máquina). Os pesquisadores testaram-no com sucesso em um sistema de fusão real em cinco experimentos separados. Seu desenho e resultados preliminares são descritos em um novo artigo publicado na revista fusão nuclear.
IA enfrenta o desafio de milissegundos da fusão
A Fusion tem a capacidade de fornecer um fornecimento quase ilimitado de eletricidade. Os pesquisadores estão explorando várias maneiras de tornar a fusão prática na Terra, incluindo máquinas chamadas tokamaks. Esses dispositivos dependem de poderosos campos magnéticos para confinar um plasma: um gás eletricamente carregado, muitas vezes chamado de quarto estado da matéria.
Para que a fusão continue com sucesso, o plasma deve permanecer quente, denso e estável. Isto requer ajustes frequentes em sistemas como o equipamento de aquecimento do tokamak, ímãs e injetores de gás. Mesmo perturbações relativamente pequenas no plasma, conhecidas como instabilidades, podem amplificar-se em milissegundos e interromper a reação de fusão.
Outro grande desafio é prever o comportamento do plasma. Simulações avançadas de computador podem levar vários dias ou até meses para serem concluídas. Embora essas ferramentas sejam valiosas para o planejamento de experimentos futuros, elas são muito lentas para guiar um experimento em tempo real, quando todo o teste pode durar apenas alguns minutos.
“Isso é ótimo para a preparação para o próximo experimento em um ano, mas para controle precisamos de modelos que tomem decisões no momento”, disse o co-autor Hiro Fure Kaga, um estudante de pós-graduação no Programa de Princeton em Física de Plasmas, um programa conjunto da Universidade de Princeton e do PPPL. “Os modelos de aprendizado de máquina podem descrever muito bem o comportamento do plasma e, mais importante, são a única maneira de modelar o plasma em milissegundos. A velocidade desses modelos é crítica para o controle.”
Trazendo vários modelos de IA em um sistema de fusão
O aprendizado de máquina já demonstrou grande potencial para controlar plasmas de fusão. No entanto, muitos esforços anteriores foram desenvolvidos individualmente, sem qualquer enquadramento comum que facilitasse o trabalho conjunto de diferentes modelos. Os sistemas de fusão requerem vários modelos porque diferentes partes da máquina e do plasma devem ser monitoradas e controladas ao mesmo tempo.
O PACMAN foi projetado para fornecer essa estrutura compartilhada.
“Desenvolvemos esta estrutura para que os modelos possam comunicar, os resultados desses modelos possam ser partilhados e possamos fazer física emocionante num sistema integrado,” disse Andy Rothstein, estudante de pós-graduação no Departamento de Engenharia Mecânica e Aeroespacial da Universidade de Princeton e co-autor principal do artigo.
O sistema combina vários modelos de aprendizado de máquina em um circuito de controle repetitivo que opera muito mais rápido que uma pessoa.
“Um operador humano realmente focado pode responder na ordem de segundos”, disse Rothstein. “Toda a estrutura do PACMAN normalmente é executada em cerca de 20 milissegundos e não é executada uma vez. Ela é executada continuamente. Ele pode ver pequenas coisas acontecendo no plasma e se ajustar de maneiras que um humano nunca seria capaz.”
Como o Pacman controla o tokamak?
O PACMAN funciona como uma linha de montagem com quatro estações. Ele começa coletando medições ao vivo do tokamak, incluindo temperatura, densidade e sinais magnéticos. O sistema então verifica se há erros nessas leituras e as combina em um pacote.
Os modelos de IA selecionam então as medições necessárias e utilizam-nas para prever o que o plasma está fazendo atualmente ou o que provavelmente fará a seguir. Os controladores pegam essas previsões e determinam quais ações são necessárias, como aumentar a potência dos feixes de aquecimento.
Na etapa final, o PACMAN resolve quaisquer instruções conflitantes dos controladores, impõe limites rígidos de segurança de hardware e envia os comandos aceitos ao tokamak. Como o modelo e o controlador funcionam de forma independente, os cientistas podem introduzir novos componentes sem perturbar o resto da estrutura.
IA testada em uma máquina Fusion real
Os pesquisadores demonstraram a flexibilidade do Pacman em cinco experimentos usando o tokamak DIII-D National Fusion Facility do DOE em San Diego.
Durante esses testes, Pacman:
- Isso permitiu que um modelo de IA treinado por meio de uma abordagem de tentativa e erro conhecida como aprendizado por reforço assumisse o controle total do sistema de aquecimento.
- Uma explosão repentina de energia foi prevista na borda do plasma.
- Ondas detectadas e controladas em plasma impulsionadas por partículas rápidas.
- A densidade e a rotação do plasma foram ajustadas de acordo com as metas estabelecidas pelos pesquisadores.
- Previu uma instabilidade chamada modo tearing e a interrompeu antes que acontecesse.
O experimento do modo hierárquico mostrou um dos benefícios potenciais mais claros do sistema. Os controladores tradicionais não conseguem identificar esta instabilidade até que ela comece.
“Então eles tentam suprimi-lo, e isso pode levar a uma queda significativa no desempenho”, disse Furay Kaga. “Em um dos experimentos que apresentamos, um modelo de aprendizado de máquina previu o modo de lacrimejamento com cerca de 200 milissegundos de antecedência, então o plasma poderia ser alterado para evitá-lo em primeiro lugar”.
O PACMAN também foi capaz de coordenar todos os seis girotrons do DIII-D (o sistema que aquece o plasma com poderosos feixes de microondas) ao mesmo tempo. Para atender objetivos complexos pré-selecionados pelos pesquisadores, o framework ajustou a potência dos girotrons, além de alterar a posição de seus espelhos em tempo real.
“Antes não existia nenhum algoritmo para encontrar a solução ideal”, disse Furay Kaga. “Quando o tiro terminou e analisamos os dados, ele estava fazendo exatamente o que esperávamos, com todos os seis se movendo da maneira ideal para atingir o alvo.”
Experimentos de fusão rápida com humanos ainda sob controle
Rothstein disse que um dos resultados mais surpreendentes foi a rapidez com que o PACMAN tornou possível a introdução de modelos adicionais de IA. Foram necessários vários meses de trabalho para desenvolver a estrutura e estabelecer seus primeiros modelos.
“Depois implantamos outro modelo e demorou alguns dias. O teste foi fácil e houve poucos bugs”, disse ele. “DIII-D é antes de tudo uma máquina de pesquisa, e às vezes as coisas não funcionam da maneira que você espera. Se você conseguir implementar um modelo em uma semana, poderá treiná-lo novamente e instalar um novo uma semana depois. Ele permite iterações que não eram possíveis antes.”
Os pesquisadores enfatizam que a estrutura não se destina a retirar os humanos dos experimentos de fusão. O PACMAN impõe limites de segurança de hardware, independentemente do que o modelo de IA sugere, e os físicos examinam os resultados após cada experimento para que possam refinar os controladores antes do próximo teste.
“Não importa quão sofisticados sejam os seus controladores, no final é um operador humano que define os parâmetros para esse controle”, disse Furay Kaga.
Uma plataforma de IA flexível para futuras máquinas de fusão
A estrutura modular do PACMAN pode torná-lo útil além do DIII-D. Seus desenvolvedores acreditam que a estrutura pode ser adaptada a tokamaks com diferentes formatos, tamanhos e dispositivos, incluindo máquinas de fusão que ainda não foram projetadas.
“O PACMAN usa uma configuração flexível onde algoritmos de IA básicos podem ser montados. Você pode adicionar um novo, trocar um ou executar vários de uma vez sem tocar no resto do sistema”, disse Agyeman Coleman, professor associado de engenharia mecânica e aeroespacial na Universidade de Princeton, nomeado em conjunto com o Centro Andlinger de Energia e Meio Ambiente e PPPL. “Essa modularidade é o que transforma o AI Plasma Control de uma série de demonstrações únicas em uma infraestrutura na qual toda a comunidade Fusion pode construir.”
Outros autores do artigo também incluem Ricardo ShaushaKeith Erickson e Sankyun Kim Jalal-ud-Din Butt, do PPPL, Peter Steiner e Azarakhsh Jalalvand, e Takuma Wakatsuki da Universidade de Princeton. Instituto Nacional do Japão para Ciência e Tecnologia Quântica.
A pesquisa foi apoiada pelo DOE Office of Science usando o DIII-D National Fusion Facility sob os prêmios DE-FC02-04ER54698, DE-SC0015480 e DE-AC02-09CH11466, e por uma bolsa de pesquisa de pós-graduação da National Science Foundation sob a concessão DGE-2039656.
