Une nouvelle intelligence artificielle, baptisée Diag2Diag, améliore considérablement la surveillance et le contrôle du plasma dans les réacteurs de fusion, une avancée clé vers la production d’énergie de fusion commerciale fiable et économique. Développée par Azarakhsh Jalalvand de l’Université de Princeton, cette IA permet de combler les lacunes dans les données recueillies par des capteurs, en générant des données synthétiques précises et détaillées qui correspondent aux mesures réelles. Contrairement à un système audio qui cesse de fonctionner, Diag2Diag « reconstruit » les informations manquantes à partir d’autres capteurs, comme si elle pouvait « lire les lèvres » des images ou deviner le son à partir d’un film muet. Cette capacité est particulièrement utile dans les réacteurs de fusion, où certains capteurs ne mesurent pas assez rapidement pour détecter des instabilités rapides du plasma. Le projet, publié dans Nature Communications, résulte d’une collaboration internationale entre Princeton University, le Laboratoire de physique des plasmas de Princeton (PPPL), l’Université Chung-Ang, l’Université Columbia et l’Université nationale de Séoul. Toutes les données utilisées proviennent des expériences menées au DIII-D National Fusion Facility, une installation du Département de l’énergie américain. Diag2Diag s’appuie sur une architecture multimodale de super-résolution, permettant d’augmenter la précision temporelle et spatiale des mesures, notamment pour des diagnostics comme la diffusion de Thomson, qui évalue la température et la densité des électrons dans le plasma. Bien que rapide, cette méthode ne capte pas suffisamment de détails pour surveiller les évolutions rapides au niveau du « pédoncule » (pedestal), la région critique de la périphérie du plasma où la stabilité et l’efficacité de la fusion sont déterminantes. Grâce à Diag2Diag, les chercheurs obtiennent une résolution temporelle améliorée, permettant d’observer des phénomènes jusque-là invisibles. Cela soutient une théorie majeure sur la suppression des modes localisés au bord (ELMs), des éruptions d’énergie destructrices pour les parois internes du réacteur. Une méthode prometteuse consiste à appliquer des perturbations magnétiques résonantes (RMP), qui créent des « îles magnétiques » au bord du plasma. Ces structures aplatissent à la fois la température et la densité, stabilisant le système. Grâce à l’IA, les chercheurs ont pu observer ce phénomène de manière directe et détaillée, confirmant ainsi le rôle central de ces îles dans la stabilisation du plasma. Cette innovation ouvre la voie à des réacteurs de fusion plus compacts, moins coûteux et plus fiables, en réduisant le nombre de capteurs nécessaires. Moins de diagnostics signifient moins d’éléments à entretenir, plus d’espace disponible à l’intérieur du réacteur, et une meilleure robustesse. SangKyeun Kim, chercheur au PPPL, souligne que cette approche est essentielle pour rendre la fusion énergétique viable à grande échelle. Egemen Kolemen, principal chercheur du projet, estime que Diag2Diag pourrait s’appliquer à d’autres domaines critiques comme l’aérospatiale ou la chirurgie robotisée, où la fiabilité des capteurs est vitale. Des chercheurs du monde entier manifestent déjà un vif intérêt pour l’outil, qui représente une avancée majeure dans la maîtrise du plasma et le développement de l’énergie de fusion durable.