L’EPFL et DeepMind ont recourses à l’IA pour contrôler les plasmas – Enerzine › Geeky News

Des scientifiques du Swiss Plasma Center de l’EPFL et de DeepMind sur mon point d’une nouvelle méthode permettant le contrôle des configurations de plasma pour une utilisation dans la recherche sur la fusion nucléaire.

The Swiss Plasma Center (SPC) of the EPFL has decades of experience in plasma physics and plasma control methods. DeepMind is a scientific discovery company acquired by Google in 2014 which stands at the top of the research and development of advanced artificial intelligence. Ensemble, ils ont developpé une nouvelle méthode de contrôle magnetic des plasmas reposant sur l’apprentissage par renforcement profond. Ils l’ont appliquée à un plasma du monde réel pour la première fois dans le “tokamak” du SPC. Leur étude vient d’être published in the Nature magazine.

Les tokamaks sont des installations en forma d’anneau (or «tore») destined to the research in nuclear fusion. The SPC is one of the rare research centers in the world that has a working tokamak. Ces appareils utilisent un puissant champ magnetic pour confiner plasma à des températures extrêmement elevées – hundreds of millions of degrees Celsius, plus chaud que le noyau solaire – so that nuclear fusion may occur between the hydrogen atoms. Energy freed from fusion is currently being studied for a use in the production of electricity. Le tokamak du SPC est unique car il permet diverses configurations de plasma, d’où son nom: tokamak à configuration variable (TCV). Autrement dit, les scientifiques peuvent l’utiliser pour étudier de nouvelles approches de confinement et de control des plasmas. A plasma configuration is in its shape and position in the search chamber.

Control a substance also chaude que le soleil

The tokamaks form and maintain the plasmas by an assembly of magnetic coils that do not regulate them, notably the tension, doivent être soigneusement contrôlés. Sinon, le plasma pourrait entrer en collision avec les parois de la chambre et la détériorer. To avoid cela, les chercheuses et chercheurs du SPC test d’abord leurs systèmes de contrôle sur un simulateur avant de les utiliser dans le tokamak TCV. “Notre simulateur est le fruit de plus de 20 années de recherche et est sans cesse amélioré”, declares Federico Felici, scientist at the SPC and co-author of the study. «Malgré cela, de fastidieux calculs sont encore nécessaires pour determinate la valeur correcte de chaque variable du système de contrôle. C’est là qu’intervient notre projet de recherche commun avec DeepMind.»

Modèle 3D du salon du TCV contenant le plasma, entouré de différentes bobines magnétiques pour maintenir le plasma en place et affecter sa forme. Crédit : DeepMind & SPC/EPFL

Les experts et experts de DeepMind disposent d’un algorithme d’IA capable de créer et de maintenir des configurations de plasma spécifiques, et sont formés à la simulation de SPC. Cela implique d’abord de faire essayer l’algorithme de nombreuses stratégies de contrôle différentes en simulation et d’acquérir des connaissances. Sur la base de l’expérience acquise, l’algorithme a généré une stratégie de contrôle pour produire la configuration de plasma demandée. Une fois entraîné, le système IA est capable de créer et de maintenir un vaste ensemble de formes de plasma et de configurations avancées, et non l’un de plusieurs plasmas distincts qui sont maintenus simultanément dans la pièce. Bref, l’équipe de recherche a testé de nouveaux systèmes directement sur le tokamak pour voir son fonctionnement en conditions réelles.

Différentes formes de plasma générique grâce à l’apprentissage pour le renforcement. Crédit : DeepMind & SPC/EPFL

La collaboration entre le SPC et DeepMind remonte à 2018 lorsque Federico Felici s’est rencontré pour la première des scientifiques de DeepMind lors d’un hackathon dans le monde des affaires londonien. Là-bas, j’ai expliqué le problème du contrôle magnétique du tokamak, bien qu’il en ait été confronté au matériel de recherche. «DeepMind s’est tout de suite intéressé à la perspective de testeur de technologie d’IA dans un domaine comme la fusion nucléaire, notamment dans un système réel tel qu’un tokamak», explique Federico Felici. Martin Riedmiller, responsable de l’équipe de contrôle chez DeepMind et co-auteur de l’étude, ajoute que « la mission de notre équipe est de rechercher une nouvelle génération de systèmes d’IA – des contrôleurs à boucle fermée – capables d’apprendre dans des dynamiques ». environnements complexes de rien. Le contrôle d’un plasma de fusion dans le monde offrira des opportunités fantastiques, même si elles sont extrêmement difficiles.

Une collaboration gang-gagnante

After a change with Federico Felici, DeepMind proposed to work with the SPC to develop an AI control system with tokamak. “Nous avons tout de suite adhéré à cette idée car nous y avons vu l’immense potentiel d’innovation”, confides Ambrogio Fasoli, directeur du SPC et co-auteur de l’étude. «Tous les scientifiques DeepMind avec lesquels nous avons collaboré étaient très enthousiastes et avaient de vastes connaissances sur l’application de l’IA dans les systèmes de control». For his part, Federico Felici was impressed by the incredible performances that DeepMind peut faire in a court laps of time when he concentrated his efforts on a project he donned.

La collaboration avec le SPC nous encourage à améliorer nos algorithmes d’apprentissage pour le renforcement.

Brendan Tracey, ingénieur de recherche principal, DeepMind

Le projet de recherche commun aussi beaucoup contributed to DeepMind, ce qui souligne les avantages d’une approche pluridisciplinaire pour les deux parties. Brendan Tracey, principal research engineer at DeepMind and co-author of the study, states: “The collaboration with the SPC encourages us to improve our apprenticeship algorithms for reinforcement, and in the end it can accelerate the research on the fusion of plasmas.”
For l’EPFL, ce projet devrait ouvrir la voie à la recherche d’other common R&D opportunités avec des interprises externes. «Nous sommes toujours ouverts aux collaborations gagnantes-gagnantes innovantes où nous pouvons partager des idées et explorer de nouvelles perspectives, ainsi le rythme du développement technologique», concluded Ambrogio Fasoli.

Auteur : Florent Hiard

Les références
https://www.nature.com/articles/s41586-021-04301-9

Degrave J, Felici F, Buchli J et al. Contrôle magnétique des plasmas de tokamak par apprentissage par renforcement profond. Nature 602, 414–419 (2022). https://doi.org/10.1038/s41586-021-04301-9

[ Communiqué ]Lien principal : www.epfl.ch/research/domains/swiss-plasma-center/fr/
Autre lien : www.nature.com/articles/s41586-021-04301-9