deepmind réacteur fusion nucléaire

Google DeepMind laisse une IA contrôler un réacteur nucléaire à fusion

Les chercheurs de DeepMind sont parvenus à entraîner une IA à contrôler un réacteur nucléaire à fusion. Une prouesse scientifique qui pourrait permettre d’accélérer la recherche dans ce domaine…

Depuis 2007, dans les Bouches-du-Rhône, 35 pays collaborent autour du projet ITER : le plus grand réacteur nucléaire à fusion de type tokamak jamais conçu. Il s’agit du plus grand projet scientifique mondial à l’heure actuelle, souvent comparé au programme Apollo. L’objectif est d’industrialiser la fusion nucléaire.

En attendant que ce projet soit achevé, de plus petits réacteurs au design similaire sont encore utilisés. Ces tokamaks permettent de tester à la fois le hardware et le logiciel du projet ITER.

Sur le plan du hardware, il est ainsi possible d’apporter des améliorations au projet. Notamment sur les matériaux utilisés pour les murs du conteneur ou sur la forme et l’emplacement des aimants de contrôle.

Toutefois, la partie logicielle est la plus importante. Le logiciel de contrôle d’un tokamak doit surveiller l’état du plasma qu’il contient, et réagir au moindre changement en effectuant des ajustements en temps réel sur les aimants du système.

En cas d’erreur, une chute d’énergie peut entraîner l’échec de la fusion ou même le débordement du plasma contre les murs du conteneur. Le bon fonctionnement du logiciel est donc essentiel, et nécessite une compréhension détaillée des aimants de contrôle et du plasma.

Le développement d’un logiciel de contrôle de tokamak est un processus complexe. Les ingénieurs peuvent se baser sur des expériences passées pour reprendre les principes de base nécessaires à son fonctionnement, comme les données que doivent lire les capteurs et comment réagir en cas de changement de ces métriques.

Cependant, les différences en termes de design du hardware et d’énergies du plasma utilisé entraînent des variations. Il est donc impératif de mesurer et de modéliser de manière itérative, et d’apporter des modifications au processus de contrôle tout en s’assurant que les performances soient suffisamment élevées pour permettre des ajustements en temps réel.

Par conséquent, le logiciel de contrôle est extrêmement spécialisé. Si les chercheurs veulent mener des expériences avec une géométrie très différente pour le plasma dans le tokamak, une révision complète du logiciel sera souvent nécessaire.

Face à ces problématiques, les chercheurs du secteur ont identifié l’intelligence artificielle comme une solution possible. En donnant suffisamment d’exemples à une IA, elle serait capable de comprendre quelles configurations de contrôle produisent les propriétés désirées sur le plasma.

De cette manière, les humains seraient libérés de cette lourde tâche et pourraient laisser le logiciel produire l’état désiré afin de l’étudier. Une IA pourrait aussi se révéler plus flexible et capable de produire des configurations de plasma très différentes sans avoir besoin d’une reprogrammation du logiciel de contrôle.

L’IA de DeepMind entraînée sur un simulateur de tokamak

C’est donc un grand jour pour la recherche nucléaire, car Google DeepMind annonce avoir réussi à entraîner une IA à contrôler un tokamak. Une nouvelle prouesse pour la division d’intelligence artificielle d’Alphabet, après avoir (entre autres) surpassé l’humain sur le jeu StarCraft et révolutionné la recherche de médicaments.

Les chercheurs de DeepMind ont travaillé sur un tokamak du Swiss Plasma Center basé à l’EPFL de Lausanne. Afin d’éviter une catastrophe, l’équipe n’a pas directement testé l’IA sur le véritable hardware.

Elle a tout d’abord commencé avec un simulateur de tokamak spécifiquement conçu pour le hardware du Swiss Plasma Center. Pour empêcher l’IA de diriger le plasma vers une configuration produisant des résultats imprécis, DeepMind a programmé des limites pour l’IA.

Par la suite, les chercheurs ont entraîné un programme de Deep Learning par renforcement et l’ont laissé contrôler le simulateur pour atteindre une large variété de configurations de plasma.

plasma configuration

Pendant l’entraînement, une couche de logiciel délivrait une fonction de récompense. Le but était d’indiquer à quel point les propriétés du plasma étaient proches de l’état désiré.

Un autre algorithme avait pour rôle d’apprendre les récompenses attendues pour différents changements sur les aimants de contrôle du tokamak. Le réseau de neurones de contrôle a donc pu apprendre quelles actions effectuer.

Toutefois, cet algorithme n’a été utilisé que pendant la phase d’entraînement. Pour la suite, le réseau de neurones avait déjà appris quelles actions effectuer pour atteindre les différents états.

Afin de permettre des performances en temps réel, le contrôleur ainsi entraîné a été converti en exécutable. Le logiciel de contrôle standard a été utilisé pour activer le tokamak et augmenter l’énergie du plasma, tandis que l’IA a pris le contrôle dès que le plasma était stable.

Une importante avancée pour la recherche nucléaire

L’expérience a été couronnée de succès. Déployé sur le véritable hardware, le logiciel IA s’est comporté comme escompté. Il a mené à bien des expériences ciblant différentes conditions.

Pendant l’un des tests, l’IA a augmenté l’énergie, maintenu le plasma dans un état constant, puis altéré sa géométrie et relocalisé le plasma au sein du tokamak avant de redescendre l’énergie. Lors d’un autre test, le réseau de neurones a maintenu deux structures de plasma séparées simultanément dans le même tokamak.

Le succès de cette expérience est d’autant plus triomphal qu’elle impliquait de nombreuses contraintes. L’étude publiée par DeepMind décrit une longue liste de prérequis.

Les chercheurs avaient besoin d’un simulateur de tokamak à la fois compact et détaillé pour concilier performances et feedback instantané. L’ensemble de données d’entraînement devait inclure à la fois des conditions habituelles et inhabituelles pour que l’IA apprenne à effectuer des transitions vers des configurations expérimentales.

L’équipe DeepMind avait aussi besoin de développer un logiciel suffisamment détaillé pour évaluer de nombreuses options de contrôle potentielles, tout en étant capable d’entraîner un contrôleur à hautes performances pouvant être compilé sous forme d’exécutable.

Au-delà de cet exploit scientifique, les chercheurs sont enthousiasmés par les possibilités offertes par cette avancée pour le futur. Plutôt que de limiter l’IA à la modélisation de hardware existant, il serait possible de fournir à une itération du logiciel une configuration de plasma désirée et de la laisser identifier la géométrie matérielle requise pour l’atteindre. L’intelligence artificielle pourrait aussi optimiser les performances du hardware existant

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée.

Pin It on Pinterest