Un nouveau modèle prédictif promet de rendre les réacteurs de fusion plus sûrs et fiables

Les tokamaks, machines conçues pour reproduire le processus de fusion nucléaire du Soleil, utilisent des champs magnétiques puissants pour confiner un plasma à plus de 100 millions de degrés Celsius, où les noyaux atomiques fusionnent et libèrent une énergie considérable. Si ces dispositifs peuvent fonctionner de manière sûre et efficace, ils pourraient un jour fournir une source d’énergie propre et quasi illimitée. Aujourd’hui, plusieurs tokamaks expérimentaux sont en fonctionnement à travers le monde, bien que la plupart soient des machines à petite échelle destinées à explorer les mécanismes de confinement et de chauffage du plasma. Un défi majeur réside dans la gestion des arrêts contrôlés du courant de plasma, qui circule à des vitesses pouvant atteindre 100 km/s. Ces « rampdowns » (ralentissements) sont nécessaires lorsque le plasma devient instable, afin d’éviter des perturbations destructrices. Toutefois, ces opérations peuvent elles-mêmes provoquer des instabilités, entraînant des dommages aux parois internes du tokamak, nécessitant des réparations coûteuses et longues. Des chercheurs du MIT ont développé un nouveau modèle prédictif capable d’améliorer la fiabilité de ces arrêts. En combinant apprentissage automatique et modélisation physique du comportement du plasma, l’équipe a créé un outil capable de simuler avec précision l’évolution du plasma pendant les phases de ralentissement. En s’appuyant sur des données provenant du tokamak TCV, un dispositif expérimental suisse opéré par le Centre de plasma de Suisse à l’EPFL, le modèle a été entraîné sur quelques centaines de cycles de plasma, incluant des données de température, d’énergie et de configuration magnétique. Malgré une quantité de données relativement faible — notamment des impulsions à faible et à haute performance — le modèle a montré une capacité remarquable à prédire avec exactitude les instabilités potentielles. Une innovation clé réside dans l’algorithme développé pour traduire les prédictions en trajectoires pratiques de contrôle. Ces instructions peuvent être automatiquement appliquées par les systèmes de contrôle du tokamak pour ajuster les champs magnétiques ou la température, stabilisant ainsi le plasma. Des tests sur le TCV ont démontré que ces trajectoires permettaient de ralentir le plasma plus rapidement et sans perturbation, améliorant significativement la sécurité et la fiabilité des opérations. Ce travail, publié dans Nature Communications, est soutenu par Commonwealth Fusion Systems (CFS), une spin-off du MIT dont l’objectif est de construire le premier réacteur de fusion à échelle électrique, SPARC, conçu pour produire plus d’énergie qu’il n’en consomme. L’équipe collabore avec CFS pour intégrer ces outils prédictifs dans les futurs réacteurs, afin de prévenir les disruptions coûteuses et de rendre la fusion énergétique viable à grande échelle. Selon Allen Wang, auteur principal du projet, « pour que la fusion devienne une source d’énergie utile, elle doit être fiable. Et pour cela, nous devons maîtriser la gestion des plasmas ». Les experts du secteur soulignent que cette approche hybride, alliant physique fondamentale et intelligence artificielle, représente une avancée majeure dans la recherche de la fusion contrôlée, offrant une voie prometteuse vers des réacteurs plus sûrs, plus efficaces et plus durables.