Tecnología de IA para predecir y manipular en tiempo real el comportamiento del plasma de fusión nuclear

Predicción y manipulación en tiempo real del comportamiento del plasma de fusión nuclear mediante IA

• Superresolución multimodal: Los sistemas complejos no lineales gobernados por múltiples escalas físicas espaciales y temporales no pueden comprenderse por completo con un solo diagnóstico. Al combinar varios diagnósticos, se produce una proyección incompleta de la física del sistema. Es posible cerrar esa brecha identificando correlaciones ocultas. Para ello, se introdujo una metodología innovadora de aprendizaje automático. Esta metodología ayuda a abordar inestabilidades del plasma como los modos localizados en el borde (ELM).

• Control de perfiles en tiempo real mediante aprendizaje automático: Para controlar el plasma en un tokamak se utilizan varios "actuadores". El control predictivo basado en modelos puede aumentar la tasa de éxito de los experimentos físicos y ahorrar tiempo. Como los modelos físicos en tiempo real no siempre son precisos, se desarrolló un modelo de aprendizaje automático que genera predicciones en menos de 100 microsegundos usando solo diagnósticos en tiempo real.

Monitoreo del comportamiento del plasma mediante diagnósticos de alta resolución

• Detección y clasificación de inestabilidades: Se lleva a cabo investigación para detectar y clasificar inestabilidades en el núcleo del plasma con base en señales de emisión de ciclotrón electrónico. Se demostró que modelos de aprendizaje automático como las Reservoir Computing Networks son eficaces para procesar datos de series temporales.

• Mejora de la precisión y el alcance de los datos de diagnóstico: La precisión y el alcance de los datos de diagnóstico son importantes para comprender el rendimiento óptimo de los dispositivos y reactores de investigación de fusión nuclear. Mediante enfoques basados en aprendizaje automático, se reproducen señales de diagnóstico y se mejora la visualización de las señales.

Validación cruzada y verificación de grandes bases de datos de modelos de transporte en tokamaks

• Mayor confiabilidad en las predicciones de transporte en tokamaks: Se aseguró significancia estadística usando descargas DIII-D, lo que aumentó la confiabilidad de los modelos predictivos. La validación de los solucionadores de transporte 1D ASTRA y TRANSP mostró alta precisión para predecir la energía almacenada, pero no hubo ventaja estadística frente a modelos empíricos simples en la predicción de perfiles de temperatura del plasma.

Separación estable del divertor mediante un proxy frontal de emisión de carbono-III en tiempo real

• Separación estable del divertor: Esto permite que los tokamaks mantengan un buen confinamiento mientras evitan daños en las placas del divertor causados por un flujo de calor excesivo. Con algoritmos de aprendizaje automático, es posible encontrar directamente valores de separación en cualquier punto dentro del tokamak y ajustar las señales de actuación cuando sea necesario.

[GN⁺]

Opiniones de Hacker News

• Como referencia, también vale la pena ver https://www.ri.cmu.edu/ai-meets-fusion-cmu-princeton-join-fo...
  Era el enlace enviado originalmente, pero fue cambiado mediante https://news.ycombinator.com/item?id=42077657

• Hoy aprendí: esto no era solo una combinación de palabras de moda
  https://en.wikipedia.org/wiki/Fusion_power#Machine_learning

  • Mi director de tesis también hizo un proyecto de machine learning para estimar la densidad electrónica y la temperatura dentro de un tokamak: https://www.cs.wm.edu/~ppeers/showPublication.php?id=Ozturk:...
    Técnicamente entra en “IA en fusión nuclear”, pero difícilmente puede considerarse un avance disruptivo. En casi todos los casos, el efecto de la IA es periférico y, aunque no es completamente cero, está lejos de la publicidad exagerada
  • Cuando trabajaba en grid computing hace casi 20 años, ya se ejecutaban experimentos de fusión, se transmitían datos en tiempo real a la grid para analizarlos rápidamente y luego se calculaban nuevos parámetros para la siguiente ejecución
    Creo que en ese entonces había unos 20 minutos de tiempo muerto. No lo llamábamos machine learning, y definitivamente no era el deep learning de hoy
  • Interesante. Me recuerda a cómo una nueva generación de headsets de AR como Orion logra cosas que parecían imposibles simplemente colocando una capa derivada de redes neuronales encima de algunos controladores de dispositivos
    Me pregunto cuántos problemas cambiarán fundamentalmente frente a técnicas de fuerza bruta ya maduras
  • Si se ve la vida como una reacción química compleja que intenta sostenerse a sí misma, resulta bastante interesante
  • La IA no es una palabra de moda. Intenta ganar en Go sin machine learning
    Si ignoras la jerga corporativa, se ven muchas cosas geniales que prácticamente fueron posibles por primera vez con redes neuronales

• En el campo de la fusión hay bastante investigación en IA. En la fusión por confinamiento inercial, que compite con la fusión por confinamiento magnético como los tokamaks, la National Ignition Facility (NIF) usó IA en el experimento que alcanzó la “ignición”
  Nuestro laboratorio colabora con investigadores del Laboratory for Laser Energetics para mejorar la fusión por confinamiento inercial (ICF) con IA. Recientemente publicamos un paper [1] que predice los resultados de experimentos de ICF con Kolmogorov-Arnold Networks (KANs). Los simuladores físicos actuales están basados en código Fortran antiguo, son lentos y tienen grandes errores entre sus predicciones y los disparos láser reales, así que uno de los objetivos es construir mejores predictores con redes neuronales. Es necesario porque es difícil iterar rápidamente con datos reales, y el dataset de disparos de ICF tiene apenas unos 300 registros
  [1] https://arxiv.org/abs/2409.08832

  • Otra vez la corriente desde ciencias de la computación de decir que “el código Fortran antiguo es pésimo”. El gran error entre la predicción del código y los disparos láser se debe a que la LPI es inherentemente muy ruidosa y a que es prácticamente imposible controlar por completo las condiciones
    Aunque corríamos simulaciones carísimas durante días o semanas, en el experimento bastaba con que el foco se desviara 1 micrón para que el resultado cambiara por un orden de magnitud. El problema no es el “código Fortran antiguo” en sí; dentro de él hay física correcta. El problema es que no se pueden controlar las condiciones iniciales, y por eso simular estos sistemas es difícil
    El código no es magia, es código de física, y normalmente codifica la física relevante para el experimento tal como la entendemos. Así que es casi como decir que el modelo físico está mal, pero eso exige un estándar mucho más alto, al punto de tener que invalidar casi 100 años de física de plasmas. No es como el pronóstico del tiempo, donde puedes lanzar globos meteorológicos por todo el mundo, y tampoco puedes sondear siempre cada micrón del blanco hasta conocer la temperatura y densidad del plasma
  • ¿No hay una brecha bastante amplia entre el código Fortran antiguo y la IA?
    ¿Qué tal reescribir los algoritmos existentes en C y aplicar técnicas modernas? Cosas como multithreading o cómputo en GPU. Si eso tiene valor, parece factible y no tomaría tanto tiempo
  • Me da curiosidad la parte de “es código Fortran antiguo, es lento y tiene grandes errores de predicción”
    Me pregunto si hay referencias o documentación en línea que describan las API, el software y el código fuente relacionados con proyectos de este campo

• Hace unos 20 años, cuando era estudiante de licenciatura en la Universidad de Padova, en Italia, había un dispositivo experimental de fusión en Legnaro, en las afueras de la ciudad
  El dispositivo de fusión estaba en un edificio, y la sala de control en el edificio de al lado. En ese entonces usaban monitores CRT, y cada vez que ocurría un evento de fusión, el campo de confinamiento magnético era tan fuerte que la imagen de todas las pantallas de la sala de control se desplazaba simultáneamente hacia un lado y luego volvía cuando el campo se apagaba. Y eso atravesando edificios

  • Me pregunto si eso también afectaba los discos duros o los micrófonos

• ¿Esto es simplemente un anuncio de renovación de financiamiento de investigación?

  • Este enlace parece mostrar el resumen de la investigación que efectivamente recibe apoyo
    “AI for Real-time Fusion Plasma Behavior Prediction and Manipulation - Plasma Control Group”: https://control.princeton.edu/machine-learning-for-rt-profil...
  • Eso parece. Es el poder del :staremoji:marketing:staremoji:

• “However, uncovering these inter-correlations analytically is too complex to be achieved analytically.”, en serio, da ganas de suspirar
  Está bien y es admirable que uno se entusiasme con su trabajo, pero ¿no podrían pulir un poco más las frases y dejar de usar palabras de moda promocionales como “groundbreaking”, “now.. for the first time”, “unprecedented”? Ese tipo de expresiones dispersas perjudica mucho la legibilidad del argumento y, francamente, genera un sesgo negativo en el lector que termina restándole credibilidad

  • Es muy probable que se deba a que usaron un LLM durante la redacción

• Los neutrones activan radiactivamente el hardware
  En Hacker News hay mucha gente que sueña con reactores de fusión, no de fisión. Estos reactores de fusión serían potentes fuentes de neutrones rápidos, y todo el hardware interno se volvería radiactivo. Ni hablar de los rayos gamma
  Si de todos modos hay que manejar materiales radiactivos, ¿por qué no usar simplemente fisión? Llevamos 70 años operando reactores de fisión y sabemos cómo construirlos y operarlos con más de 95% de eficiencia. La fisión puede suministrar toda la electricidad que necesitamos
  Actualmente hay 440 reactores de fisión operando en 32 países, y el 20% de la red eléctrica de EE. UU. proviene de la fisión. Si quieren desarrollar tecnología energética, deberían enfocarse en mejorar la fisión. Por ejemplo, cosas como el combustible TRISO (https://news.ycombinator.com/item?id=41898377) o lo que hace Lightbridge (https://www.ltbridge.com/lightbridge-fuel). Hacker News es hostil a la fisión y muestra una actitud derrotista que no logra imaginar innovaciones en tecnología de fisión, pero esa actitud irá cambiando gradualmente
  Citando a John Carmack: “La fusión de deuterio ofrecería una fuente de combustible barata y prácticamente infinita, con un flujo de residuos razonable, pero como forma de producir calor es casi ridículamente compleja y cara en comparación con la fisión. La fisión básicamente se parece a ‘pon estas piedras unas junto a otras y se calientan’”

  • No soy experto, pero esto es lo que creo saber. Hablando desde una perspectiva francesa, consumo la mayor parte de mi electricidad de centrales nucleares de fisión
    1/ El uranio no es renovable; de hecho, todo lo contrario. Requiere minería y procesamiento, es caro y contamina mucho. En la mayor parte del mundo no existe en las concentraciones necesarias, lo que también genera problemas geopolíticos
    2/ Las centrales nucleares de fisión requieren países o gobiernos que funcionen bien, y una situación sin guerra. Un ataque convencional contra una central nuclear también puede tener consecuencias destructivas y duraderas, y cualquier grupo terrorista podría hacer algo así
    3/ Leí que “en última instancia, los investigadores esperan adoptar la reacción protio-boro-11, porque aunque puede haber reacciones secundarias, no produce neutrones directamente”. Es una cita de Wikipedia, pero ya había visto lo mismo en otras fuentes
    Así que la fusión no parece ser la mejor opción a corto plazo por la complejidad y el costo de la investigación, pero a mediano y largo plazo definitivamente parece la mejor opción. Ya elegimos el desastre de corto plazo con el carbón y el petróleo, así que ojalá aprendamos de eso
    O quizá estoy completamente equivocado
  • Es cierto que “los neutrones activan radiactivamente el hardware”, pero hay dos matices
    1. El bombardeo de neutrones producto de la fusión activa radiactivamente el hardware por menos de 10 años; no es ideal, pero no está al nivel de los residuos de fisión
    2. Algunos procesos de fusión no emiten neutrones, es decir, son fusión aneutrónica. Según entiendo, esos procesos son menos eficientes, pero podría haber un compromiso entre generación de residuos radiactivos y eficiencia
  • No entiendo bien qué significa “operar con más de 95% de eficiencia”
    Si se refiere al proceso completo de obtener energía o electricidad de un reactor, eso es imposible. Sigue estando limitado por el ciclo de Carnot. Incluso los reactores más avanzados, como los HTGR, tienen una eficiencia de alrededor del 45%
    Si estás usando una definición de eficiencia distinta de la estándar, estaría bien que la expliques
    [1] https://en.wikipedia.org/wiki/High-temperature_gas-cooled_re...
  • Hace un mes publicaste un comentario casi palabra por palabra igual[0], ¿por qué? No sé la razón, pero se me quedó grabada la frase “en Hacker News hay mucha gente que sueña con la fusión, no con la fisión”
    [0] https://news.ycombinator.com/item?id=41677250
  • En mi opinión, ese es el problema más pequeño. El problema mayor es la corrosión por neutrones
    Existe el truco de usar blindaje de litio para producir el tritio necesario para la fusión, pero no sé qué tan eficaz sea, sobre todo desde el punto de vista de la vida útil del reactor a largo plazo. Estos reactores son muy caros, así que tampoco está claro si valdría la pena detenerlos cada año y reemplazar todo el blindaje de Li