VS-project bouwt digitale tweeling van SPARC-fusiereactor om plasma binnen 20 minuten te voorspellen

Het Amerikaanse ministerie van Energie (Department of Energy, DOE) steunt een project dat een digitale tweeling bouwt van SPARC, de fusiereactor van het Amerikaanse bedrijf Commonwealth Fusion Systems (CFS). Die virtuele kopie moet het gedrag van het plasma in de reactor in minder dan 20 minuten voorspellen.

CFS leidt het project. Daarin werken vier nationale laboratoria van het DOE samen met universiteiten en techbedrijven, onder wie NVIDIA en Google DeepMind. Het project is een van de twaalf nieuwe projecten in fase II van de Genesis Mission, het AI-programma van het DOE. Die werden op 8 oktober bekendgemaakt en krijgen samen 159 miljoen dollar, verdeeld over meerdere jaren. Hoeveel er naar het SPARC-project gaat, is niet bekendgemaakt.

Voorspellen tussen experimenten door

SPARC is een tokamak: een fusieapparaat dat met sterke magneetvelden extreem heet plasma opsluit in een ringvormige kamer. De machine wordt gebouwd in Devens, in de Amerikaanse staat Massachusetts. CFS wil in 2027 het eerste plasma maken en daarna aantonen dat het apparaat meer fusie-energie opwekt dan het plasma aan verwarming kost.

Om dat te bereiken moeten onderzoekers goed begrijpen hoe het plasma zich onder verschillende omstandigheden gedraagt. De digitale tweeling moet daarom een volledige plasmapuls, één experimentele run van de reactor, in minder dan 20 minuten kunnen doorrekenen. Dan kunnen wetenschappers tussen twee pulsen door de resultaten analyseren en de volgende run bijstellen.

Het Princeton Plasma Physics Laboratory (PPPL) levert drie eigen simulatiecodes: M3D-C1, TRANSP en XGC. Die beschrijven elk een ander aspect van het plasma en worden met andere software gecombineerd. Omdat zulke simulaties normaal veel te traag zijn, gebruikt het project ook zogeheten surrogaatmodellen: AI-modellen die zijn getraind op grote hoeveelheden simulatiedata en de uitkomst van zware berekeningen in een fractie van de tijd benaderen.

Michael Churchill, hoofd van de AI for Science Group van PPPL, zegt dat het lab een centrale rol speelt. Het levert volgens hem basissoftware, 'SI-modellen', natuurkundige kernmodellen, historische tokamakdata en rekenkracht. SI staat voor super intelligence: zo noemt het DOE de AI waarmee het in de Genesis Mission wetenschap wil versnellen.

Anders dan een gewone simulatie wordt de tweeling gekoppeld aan de echte machine. Zodra SPARC draait, voeden de meetgegevens het virtuele model, zodat de voorspellingen steeds beter worden en toekomstige experimenten kunnen worden gestuurd.

Eerst testen op NSTX-U

Voordat de methoden op SPARC worden toegepast, worden ze getest en gevalideerd op de National Spherical Torus Experiment-Upgrade (NSTX-U), het belangrijkste fusie-experiment van PPPL. Daar moet blijken hoe goed de modellen het plasma nabootsen en of ze betrouwbaar genoeg zijn om beslissingen tijdens experimenten te ondersteunen. Data van NSTX-U en eerdere PPPL-experimenten worden ook gebruikt om de modellen te trainen en te toetsen; een deel daarvan komt beschikbaar voor de bredere fusiegemeenschap.

Naast PPPL doen de nationale laboratoria Oak Ridge, Lawrence Livermore en SLAC mee, en verder het Massachusetts Institute of Technology, Carnegie Mellon University, General Atomics, NVIDIA, Google DeepMind en Synopsys. Het project bouwt voort op eerder werk van CFS aan digitale tweelingen.

Op de langere termijn moet de tweeling helpen bij ARC, de commerciële fusiecentrale die CFS na SPARC wil bouwen: bij het kiezen van bedrijfsomstandigheden, het verfijnen van het ontwerp en het verkorten van de ontwikkeltijd.

Daarbij past een kanttekening. De 20 minuten zijn een doel, geen behaald resultaat. Het platform moet nog bewijzen dat het zo snel én nauwkeurig kan voorspellen, en dat de voorspellingen ook kloppen als de echte reactor draait. SPARC zelf heeft nog geen plasma gemaakt.

Wat betekent dit voor de weg naar de singulariteit?

Het DOE noemt het programma waar dit project onder valt letterlijk een poging om 'super intelligence' voor de wetenschap in te zetten. Hier gaat het nog niet om een AI die zelf natuurkunde bedenkt, maar om iets dat minstens zo belangrijk is: de cyclus van voorspellen, meten en bijsturen zo kort maken dat die binnen één pauze tussen twee experimenten past. Als dat lukt, kan fusieonderzoek veel sneller itereren. En daar zit een terugkoppeling in: als fusie ooit goedkope, overvloedige stroom levert, komt er ruimte voor nog meer rekenkracht, en dus voor nog krachtigere AI.