Tokamaks são máquinas projetadas para armazenar e aproveitar a energia do Sol. Essas máquinas de fusão usam ímãs poderosos para conter um plasma mais quente que o núcleo do Sol e empurrar os átomos do plasma para se fundirem e liberarem energia. Se os tokamaks puderem operar com segurança e eficiência, as máquinas poderão um dia fornecer energia de fusão limpa e ilimitada.

Atualmente, existem vários tokamaks experimentais em operação ao redor do mundo, com mais em andamento. A maioria são máquinas de pesquisa de pequena escala, construídas para investigar como os dispositivos podem gerar plasma e aproveitar sua energia. Um dos desafios que os tokamaks enfrentam é como desligar com segurança e confiabilidade uma corrente de plasma que circula a velocidades de até 100 quilômetros por segundo, a temperaturas de mais de 100 milhões de graus Celsius.

Essas "reduções" são necessárias quando um plasma se torna instável. Para evitar que o plasma cause mais interrupções e danos ao interior do dispositivo, os operadores reduzem a corrente do plasma. Mas, ocasionalmente, a própria redução pode desestabilizar o plasma. Em algumas máquinas, as reduções causaram arranhões e cicatrizes no interior do tokamak — danos menores que ainda exigem tempo e recursos consideráveis para serem reparados.

Agora, cientistas do MIT desenvolveram um método para prever como o plasma em um tokamak se comportará durante uma desaceleração. A equipe combinou ferramentas de aprendizado de máquina com um modelo de dinâmica de plasma baseado em física para simular o comportamento de um plasma e quaisquer instabilidades que possam surgir à medida que o plasma é desacelerado e desligado. Os pesquisadores treinaram e testaram o novo modelo em dados de plasma de um tokamak experimental na Suíça. Eles descobriram que o método aprendeu rapidamente como o plasma evoluiria à medida que era ajustado de diferentes maneiras. Além disso, o método alcançou um alto nível de precisão usando uma quantidade relativamente pequena de dados. Essa eficiência de treinamento é promissora, visto que cada execução experimental de um tokamak é cara e, como resultado, a qualidade dos dados é limitada.

O novo modelo, que a equipe destaca esta semana em um artigo de acesso aberto na Nature Communications  , pode melhorar a segurança e a confiabilidade de futuras usinas de energia de fusão.

“Para que a fusão seja uma fonte de energia útil, ela precisa ser confiável”, afirma o autor principal Allen Wang, estudante de pós-graduação em aeronáutica e astronáutica e membro do Grupo de Disrupção do Centro de Ciência e Fusão de Plasma (PSFC) do MIT. “Para ser confiável, precisamos aprimorar o gerenciamento dos nossos plasmas.”

Os coautores do estudo no MIT incluem Cristina Rea, principal cientista pesquisadora do PSFC e líder do Disruptions Group, e os membros do Laboratório de Sistemas de Informação e Decisão (LIDS) Oswin So, Charles Dawson e o professor Chuchu Fan, juntamente com Mark (Dan) Boyer da Commonwealth Fusion Systems e colaboradores do Swiss Plasma Center, na Suíça.

Tokamaks são dispositivos experimentais de fusão que foram construídos pela primeira vez na União Soviética na década de 1950. O dispositivo recebe o nome de uma sigla russa que significa "câmara toroidal com bobinas magnéticas". Como o próprio nome indica, um tokamak é toroidal, ou em formato de rosca, e usa ímãs poderosos para conter e girar um gás a temperaturas e energias altas o suficiente para que os átomos no plasma resultante possam se fundir e liberar energia.

Hoje, os experimentos com tokamaks são de escala relativamente baixa em termos de energia, com poucos se aproximando do tamanho e da produção necessários para gerar energia segura, confiável e utilizável. Interrupções em tokamaks experimentais de baixa energia geralmente não são um problema. Mas, à medida que as máquinas de fusão atingem dimensões semelhantes às da rede elétrica, controlar plasmas de energia muito mais alta em todas as fases será fundamental para manter a operação segura e eficiente de uma máquina.

“Terminações descontroladas de plasma, mesmo durante a desaceleração, podem gerar fluxos de calor intensos, danificando as paredes internas”, observa Wang. “Muitas vezes, especialmente com plasmas de alto desempenho, as desacelerações podem, na verdade, levar o plasma para mais perto de certos limites de instabilidade. Portanto, é um equilíbrio delicado. E há muito foco agora em como gerenciar instabilidades para que possamos, de forma rotineira e confiável, pegar esses plasmas e desligá-los com segurança. E há relativamente poucos estudos realizados sobre como fazer isso bem.”

Wang e seus colegas desenvolveram um modelo para prever o comportamento de um plasma durante a desaceleração do tokamak. Embora pudessem simplesmente aplicar ferramentas de aprendizado de máquina, como uma rede neural, para aprender sinais de instabilidade nos dados do plasma, "seria necessária uma quantidade absurda de dados" para que essas ferramentas pudessem discernir as mudanças muito sutis e efêmeras em plasmas de altíssima temperatura e alta energia, afirma Wang.

Em vez disso, os pesquisadores emparelharam uma rede neural com um modelo existente que simula a dinâmica do plasma de acordo com as regras fundamentais da física. Com essa combinação de aprendizado de máquina e uma simulação de plasma baseada em física, a equipe descobriu que apenas algumas centenas de pulsos em baixo desempenho e um pequeno número de pulsos em alto desempenho foram suficientes para treinar e validar o novo modelo.

Os dados utilizados para o novo estudo vieram do TCV, o "tokamak de configuração variável" suíço operado pelo Centro Suíço de Plasma da EPFL (Instituto Federal Suíço de Tecnologia de Lausanne). O TCV é um pequeno dispositivo experimental de fusão utilizado para fins de pesquisa, frequentemente como banco de testes para soluções de dispositivos de última geração. Wang utilizou dados de centenas de pulsos de plasma do TCV, que incluíam propriedades do plasma, como temperatura e energias durante a aceleração, a execução e a desaceleração de cada pulso. Ele treinou o novo modelo com esses dados, testou-o e descobriu que ele era capaz de prever com precisão a evolução do plasma, dadas as condições iniciais de uma determinada execução do tokamak.

Os pesquisadores também desenvolveram um algoritmo para traduzir as previsões do modelo em "trajetórias" práticas, ou instruções de gerenciamento de plasma que um controlador tokamak pode executar automaticamente para, por exemplo, ajustar os ímãs ou manter a temperatura do plasma. Eles implementaram o algoritmo em várias execuções de TCV e descobriram que ele produziu trajetórias que reduziram com segurança um pulso de plasma, em alguns casos mais rápido e sem interrupções em comparação com execuções sem o novo método.

O trabalho foi parcialmente apoiado pela Commonwealth Fusion Systems (CFS), uma spinout do MIT que pretende construir a primeira usina de fusão compacta do mundo em escala de rede. A empresa está desenvolvendo um tokamak de demonstração, o SPARC, projetado para produzir plasma de energia líquida, o que significa que deve gerar mais energia do que a necessária para aquecer o plasma. Wang e seus colegas estão trabalhando com a CFS em maneiras pelas quais o novo modelo de previsão e ferramentas semelhantes possam prever melhor o comportamento do plasma e evitar interrupções dispendiosas, permitindo uma energia de fusão segura e confiável.

“Estamos tentando abordar as questões científicas para tornar a fusão rotineiramente útil”, diz Wang. “O que fizemos aqui é o início do que ainda é uma longa jornada. Mas acho que fizemos um bom progresso.”

Apoio adicional para a pesquisa veio da estrutura do Consórcio EUROfusion, por meio do Programa de Pesquisa e Treinamento Euratom e financiado pela Secretaria de Estado Suíça para Educação, Pesquisa e Inovação.