Vers un contrôle intelligent des réacteurs à fusion nucléaire

La construction du réacteur expérimental de fusion ITER à Cadarache (France) devrait s’achever en 2027. Parallèlement, des réacteurs plus petits, comme le réacteur DIII-D du National Fusion Center de San Diego, aux États-Unis, sont utilisés pour étudier comment optimiser les plasmas dans ITER. Il est publié dans Nature un algorithme de contrôle intelligent basé sur un apprentissage par renforcement profond pour éviter l’instabilité du plasma par mode de déchirement néoclassique (NTM). L’instabilité associée à la résonance poloïdale/toroïdale 2/1 a été contrôlée dans un état DIII-D analogue au scénario de référence ITER (IBS) ; Dans cet état, une puissance de fusion de 500 MW sera produite dans ITER avec un gain Q=10 pendant 300 secondes. Ce type d’études pourrait accélérer l’exploitation d’ITER afin qu’il atteigne ses objectifs dans les plus brefs délais.

L’avantage du contrôle utilisant l’intelligence artificielle est que des mesures sont prises avant que l’instabilité ne se produise, au lieu d’essayer d’en atténuer les effets une fois qu’elle s’est produite. Pour ce faire, il faut prédire en temps réel quand cela se produira, ce qui frise l’impossible avec des modèles théoriques (les simulations de plasma nécessitent des supercalculateurs). L’apprentissage par renforcement révèle des modèles dans les données de diagnostic expérimental (obtenues par spectroscopie magnétique, de diffusion de Thomson et de recombinaison par échange de charges, comme le montre la figure de gauche), qui peuvent détecter une instabilité de déchirure 2/1 300 millisecondes avant qu’elle ne se produise. Mediante un bucle realimentado (figura a la derecha) con un retraso de 25 milisegundos se controlan los actuadores que calientan el plasma con haces de átomos neutros y con ondas de radiofrecuencia usando la resonancia electrón-ciclotrón para evitar que se produzca la inestabilidad (figura en centre).

L’instabilité NTM est l’une des plus importantes dans le fonctionnement d’un tokamak ; Mais il en existe bien d’autres, dont le contrôle intelligent devra également être étudié en DIII-D. De plus, l’apprentissage s’est basé sur des données expérimentales historiques du DIII-D, qui devront être répétées dans d’autres réacteurs à fusion et avec les futures données d’ITER. Le nouveau contrôleur est une preuve de concept et il y a beaucoup de travail à faire, mais tout indique qu’un contrôle intelligent sera utilisé dans tous les futurs réacteurs à fusion commerciaux. L’article est Jaemin Seo, SangKyeun Kim,…, Egemen Kolemen, « Éviter l’instabilité de déchirement du plasma de fusion avec un apprentissage par renforcement profond », Nature 626 : 746-751 (21 février 2024), doi : https://doi.org/10.1038/s41586-024-07024-9. À un niveau informatif, je recommande le communiqué de presse « Les ingénieurs utilisent l’IA pour lutter contre la puissance de fusion pour le réseau », Princeton Plasma Physics Laboratory. (PPPL), 21 février 2024.

Le plasma de deutérium des réacteurs à fusion est soumis à un grand nombre d’instabilités magnétohydrodynamiques. Dans le cas d’ITER, leur étude approfondie nécessitera une dizaine d’années (entre 2027 et 2037) avant de pouvoir passer aux études de fusion par injection de tritium. Beaucoup de ces instabilités conduisent à une perturbation du plasma, ce qui provoque une perte rapide d’énergie et un arrêt brutal de la décharge. Cette énergie plasma perdue est dissipée dans les parois du tokamak, les bobines, etc., ce qui peut provoquer des dommages. Pour les minimiser, il faut limiter la densité, la pression et le courant maximum du plasma. Son contrôle intelligent permettra d’assouplir ces limites, de garantir une pression plasma optimale et de maximiser la production d’énergie utile.

Dans le nouvel article, le contrôle intelligent a été étudié expérimentalement à l’aide du petit réacteur à fusion DIII-D, le plus grand des États-Unis ; Ce tokamak possède un grand rayon de 1,67 m, un petit rayon de 0,67 m, un champ magnétique toroïdal maximum de 2,2 T et une puissance de chauffe de 23 MW. Ces valeurs sont comparables au britannique JET (2,96 m, 1,25 m, 3,45 T et 38 MW) ou au futur ITER (6,20 m, 2,00 m, 12 T et 320 MW). Ces petits réacteurs expérimentaux sont très utiles pour de nombreuses études sur les plasmas, alors qu’ITER ne fonctionne pas. Lorsqu’ITER injectera son premier plasma, nombre de ces petits réacteurs commenceront à mettre fin à leur période d’exploitation et finiront par être démantelés. Par exemple, le JET britannique (Tore européen commun) a mis fin à ses activités en décembre 2023 ; Il y a une mobilisation scientifique pour que cela continue à fonctionner, mais le gouvernement britannique fait la sourde oreille.

L’algorithme d’apprentissage par renforcement rappelle ceux utilisés en robotique mobile pour éviter les obstacles (l’instabilité de déchirure serait l’obstacle à éviter). Les instabilités de déchirure m/n sont associées à la résonance entre les modes poloïdal et toroïdal de numéros m et n, respectivement ; Les plus pertinents sont la déchirure résistive 1/1 (RTM) et la déchirure néoclassique 2/1 (NTM). Ce dernier limite la pression du plasma car son origine est ce qu’on appelle le courant de amorcerqui se produit spontanément lorsqu’il existe un gradient de pression.

L’architecture du réseau neuronal artificiel profond (DNN) utilisé est présentée sur la figure. L’entrée comprend les données de diagnostic expérimental (courbes unidimensionnelles associées à la spectroscopie magnétique, diffusion de Thomson et recombinaison par échange de charges) et l’état des actionneurs (chauffage du plasma). Le résultat est la pression plasmatique normalisée (b_N) et la Déchirabilité (déchirabilité). Lors de l’entraînement, une fonction de récompense utilisant un seuil a été utilisée. k de déchirure, qui est fixée à 0,2, 0,5 ou 0,7 dans ce travail. La fonction de récompense est R.(b_N, T; k) = b_N > 0, et Tk, pour maximiser la pression du plasma (essentielle pour une génération efficace d’énergie de fusion). Pour éviter les déchirures, une récompense négative est pénalisée. R.(b_N, T; k) = k − T < 0, si k > T. Les futures études portant sur d’autres instabilités du plasma devront utiliser une fonction de récompense plus complexe prenant en compte d’autres facteurs.

Le fonctionnement de base de l’algorithme de contrôle intelligent est illustré dans cette figure (obtenue grâce à des simulations informatiques). Sans l’algorithme de contrôle intelligent (courbe noire à gauche), lorsque la pression dépasse une certaine limite, une instabilité du NTM et une perturbation du plasma qui s’ensuit se produisent. Grâce au contrôle intelligent (courbe bleue), on contrôle le gradient de pression et la déchirure, qui oscillent entre certaines marges, évitant toute instabilité (qui peut également apparaître lorsque la pression descend trop bas, en raison de la présence d’un gradient de pression trop négatif ). ).

Cette figure montre les données réelles de trois décharges expérimentales : 193266 (couleur jaune) est une décharge stable comme référence avec un algorithme de contrôle standard, 193273 (couleur noire) est une décharge instable comme référence également avec un algorithme de contrôle standard, et 193280 (couleur bleue) est une charge contrôlée par l’intelligence artificielle. Le courant plasma (en MA, mégaampères), la puissance du plasma (en MW, mégawatts), la triangularité poloïdale (facteur géométrique sans dimension qui mesure la forme triangulaire de la section poloïdale du plasma), les fluctuations magnétiques (en G, gauss) et la pression normalisée du plasma. Dans le téléchargement stable 193266, l’algorithme de contrôle conventionnel visait à b_N= 1,7, alors que dans le téléchargement instable 193273 l’objectif était b_N= 23 ; trop, puisqu’à 2,6 secondes s’est produite l’instabilité de déchirement qui a conduit à la perturbation à 3,1 secondes. Contrôle intelligent (avec k = 0,5) garantit que la décharge 193280 évite l’instabilité en atteignant des pressions élevées supérieures à celles obtenues dans la décharge stable.

Seuil k La capacité de déchirure doit être suffisante pour éviter toute instabilité. Ce chiffre montre que pour k = 0,2 (courbe noire) l’algorithme de contrôle a maintenu une faible déchirure jusqu’à 5 secondes, mais est devenu instable et s’est soldé par une perturbation au bout de 5,5 s. Une analyse plus approfondie a montré que l’intelligence artificielle avait correctement prédit l’instabilité, mais que la puissance du faisceau étant trop faible, le mécanisme d’actionnement n’a pas pu la réduire davantage ni l’empêcher. Pour k = 0,5 (courbe bleue) et k = 0,7 (courbe rouge), l’algorithme de contrôle intelligent a réussi à éviter l’instabilité. Comme le montre la courbe de pression normalisée, le meilleur résultat a été obtenu pour k= 0,5. Les auteurs de l’article précisent qu’ils n’ont pas cherché à déterminer la valeur optimale de ce seuil, qui fera l’objet d’études futures.

En résumé, un article très intéressant qui nous montre que l’état de l’art dans le contrôle des plasmas dans les réacteurs à fusion (expérimentaux) implique l’utilisation de techniques d’intelligence artificielle et d’apprentissage profond basées sur des réseaux de neurones artificiels. Une seule instabilité a été contrôlée, mais il ne semble pas y avoir d’obstacle à l’extension de ce contrôle à de nombreuses autres. L’utilisation du contrôle intelligent dans ITER nous montrera si cette technologie finira par devenir la norme dans les futurs réacteurs expérimentaux à fusion (qui arriveront dans le dernier quart de ce siècle). Mais le 21ème siècle étant le siècle de l’intelligence artificielle, je n’en doute pas.