Os cientistas pesquisadores do MIT Pablo Rodriguez-Fernandez e Nathan Howard acabaram de concluir um dos cálculos mais exigentes da ciência da fusão – prever os perfis de temperatura e densidade de um plasma confinado magneticamente por meio de simulação de primeiros princípios da turbulência do plasma. Resolver esse problema pela força bruta está além das capacidades até mesmo dos supercomputadores mais avançados. Em vez disso, os pesquisadores usaram uma metodologia de otimização desenvolvida para aprendizado de máquina para reduzir drasticamente o tempo de CPU necessário, mantendo a precisão da solução.
Energia de fusão

A fusão oferece a promessa de energia ilimitada e livre de carbono através do mesmo processo físico que alimenta o sol e as estrelas. Requer o aquecimento do combustível a temperaturas acima de 100 milhões de graus, bem acima do ponto em que os elétrons são retirados de seus átomos, criando uma forma de matéria chamada plasma. Na Terra, os pesquisadores usam campos magnéticos fortes para isolar e isolar o plasma quente da matéria comum. Quanto mais forte for o campo magnético, melhor será a qualidade do isolamento que proporciona.

Rodriguez-Fernandez e Howard se concentraram em prever o desempenho esperado no dispositivo SPARC, um experimento compacto de fusão de alto campo magnético, atualmente em construção pela empresa Commonwealth Fusion Systems (CFS) do MIT e pesquisadores da Plasma Science do MIT e Centro de Fusão. Embora o cálculo exigisse uma quantidade extraordinária de tempo de computador, mais de 8 milhões de horas de CPU, o que foi notável não foi quanto tempo foi usado, mas quão pouco, dado o enorme desafio computacional.

O desafio computacional da energia de fusão

A turbulência, que é o mecanismo para a maior parte da perda de calor em um plasma confinado, é um dos grandes desafios da ciência e o maior problema que permanece na física clássica. As equações que governam os plasmas de fusão são bem conhecidas, mas soluções analíticas não são possíveis nos regimes de interesse, onde as não linearidades são importantes e as soluções abrangem uma enorme gama de escalas espaciais e temporais. Os cientistas recorrem à resolução das equações por simulação numérica em computadores. Não é por acaso que pesquisadores de fusão foram pioneiros em física computacional nos últimos 50 anos.

Um dos problemas fundamentais para os pesquisadores é prever com segurança a temperatura e a densidade do plasma, considerando apenas a configuração do campo magnético e a potência de entrada aplicada externamente. Em dispositivos de confinamento como SPARC, a energia externa e a entrada de calor do processo de fusão são perdidas por turbulência no plasma. A turbulência em si é impulsionada pela diferença na temperatura extremamente alta do núcleo do plasma e as temperaturas relativamente frias da borda do plasma (apenas alguns milhões de graus). Prever o desempenho de um plasma de fusão autoaquecido requer, portanto, um cálculo do equilíbrio de energia entre a entrada de energia de fusão e as perdas devido à turbulência.

Esses cálculos geralmente começam assumindo perfis de temperatura e densidade do plasma em um local específico e, em seguida, calculando o calor transportado localmente por turbulência. No entanto, uma previsão útil requer um cálculo autoconsistente dos perfis em todo o plasma, que inclui tanto a entrada de calor quanto as perdas turbulentas. Resolver diretamente esse problema está além das capacidades de qualquer computador existente, então os pesquisadores desenvolveram uma abordagem que une os perfis a partir de uma série de cálculos locais exigentes, mas tratáveis. Esse método funciona, mas como os fluxos de calor e partículas dependem de vários parâmetros, os cálculos podem ser muito lentos para convergir.

No entanto, técnicas emergentes do campo de aprendizado de máquina são adequadas para otimizar exatamente esse cálculo. Começando com um conjunto de cálculos locais computacionalmente intensivos executados com o código CGYRO de física completa e de primeiros princípios (fornecido por uma equipe da General Atomics liderada por Jeff Candy), Rodriguez-Fernandez e Howard ajustam um modelo matemático substituto, que foi usado para explorar e otimizar uma pesquisa dentro do espaço de parâmetros. Os resultados da otimização foram comparados com os cálculos exatos em cada ponto ótimo, e o sistema foi iterado para um nível de precisão desejado. Os pesquisadores estimam que a técnica reduziu o número de execuções do código CGYRO por um fator de quatro.

Nova abordagem aumenta a confiança nas previsões

Este trabalho, descrito em uma publicação recente na revista Nuclear Fusion , é o cálculo de maior fidelidade já feito do núcleo de um plasma de fusão. Refina e confirma as previsões feitas com modelos menos exigentes. O professor Jonathan Citrin, da Universidade de Tecnologia de Eindhoven e líder do grupo de modelagem de fusão do DIFFER, o Instituto Holandês de Pesquisa em Energia Fundamental, comentou:"O trabalho acelera significativamente nossas capacidades na execução mais rotineira de previsões de cenários tokamak de ultra-alta fidelidade. This algorithm can help provide the ultimate validation test of machine design or scenario optimization carried out with faster, more reduced modeling, greatly increasing our confidence in the outcomes."

In addition to increasing confidence in the fusion performance of the SPARC experiment, this technique provides a roadmap to check and calibrate reduced physics models, which run with a small fraction of the computational power. Such models, cross-checked against the results generated from turbulence simulations, will provide a reliable prediction before each SPARC discharge, helping to guide experimental campaigns and improving the scientific exploitation of the device. It can also be used to tweak and improve even simple data-driven models, which run extremely quickly, allowing researchers to sift through enormous parameter ranges to narrow down possible experiments or possible future machines. + Explorar mais

Toward fusion energy, team models plasma turbulence on the nation's fastest supercomputer

Esta história foi republicada como cortesia do MIT News (web.mit.edu/newsoffice/), um site popular que cobre notícias sobre pesquisa, inovação e ensino do MIT.