L’IA prédit avec succès le succès des expériences de fusion nucléaire au NIF

Des scientifiques du Laboratoire national Lawrence Livermore ont mis au point un modèle d’intelligence artificielle basé sur l’apprentissage profond capable de prédire avec une précision remarquable le succès des expériences de fusion nucléaire au sein de l’installation nationale de fusion par confinement inertiel (NIF). Cette avancée, publiée dans la revue Science, montre que le modèle a attribué une probabilité de 74 % d’obtenir l’ignition lors d’une expérience menée en 2022 — une prédiction qui s’est avérée exacte. Contrairement aux méthodes traditionnelles basées sur des simulations informatiques superpuissantes, ce modèle intègre un plus grand nombre de paramètres physiques tout en offrant une meilleure précision, en partie grâce à son traitement de données réelles, de simulations haute fidélité et des connaissances expertes. Le NIF, l’un des plus grands laboratoires de fusion au monde, utilise des lasers pour chauffer une minuscule cible en or, appelée hohlraum, mesurant quelques millimètres de diamètre. Cette cible émet alors des rayons X qui compriment une capsule contenant des isotopes de l’hydrogène (d’hydrogène et de tritium), provoquant une fusion nucléaire. L’objectif ultime est d’obtenir plus d’énergie en sortie qu’en entrée — un seuil appelé « ignition ». Toutefois, les simulations classiques sont limitées par des simplifications pour rester calculables, et nécessitent des jours de traitement. Elles ne capturent pas toujours les imperfections réelles, comme des défauts dans les cibles ou des variations dans le faisceau laser. Face à ces contraintes, Kelli Humbird, responsable du groupe de simulation cognitive au NIF, a mené une initiative de cartographie des échecs expérimentaux. Son équipe a combiné des données historiques du NIF, des simulations de haute précision et des connaissances scientifiques pour entraîner un modèle d’IA. Ce dernier a été entraîné sur plus de 30 millions d’heures de calculs sur superordinateurs, permettant de modéliser les multiples façons dont une implosion peut échouer — que ce soit à cause d’un laser mal calibré, d’un défaut matériel ou de phénomènes imprévisibles de la physique. Le modèle permet désormais aux chercheurs de prédire l’efficacité d’un design expérimental avant même de l’implémenter, économisant ainsi du temps, des ressources et des millions de dollars. L’analyse rétrospective de l’expérience de 2022 a confirmé la pertinence du modèle, dont la précision a augmenté de 50 % à 70 % après des ajustements ciblés de la physique intégrée. L’IA ne cherche pas à corriger les erreurs, mais à les intégrer comme des données naturelles du processus, reflétant fidèlement la complexité du monde réel. Pour Humbird, cette réussite illustre une évolution essentielle : la fusion nucléaire progresse, même si chaque tentative n’est pas un succès. « On ne devrait pas être découragés quand une expérience ne donne pas deux mégajoules si on en obtenait un il y a peu », souligne-t-elle. Le passage de 10 kilojoules à 1 mégajoule représente une avancée considérable. Cette IA, en accélérant le processus d’apprentissage expérimental, contribue à rapprocher la fusion nucléaire d’un potentiel énergétique durable, propre et abondant.