Fusione Nucleare ed Intelligenza Artificiale

Articolo a cura di Matteo PAMPAGNIN

Il progetto ITER (International Thermonuclear Experimental Reactor) è un esperimento internazionale, in costruzione nel sud della Francia, con lo scopo di verificare gli aspetti di fisica e tecnologia alla base di un possibile reattore nucleare a fusione. In Italia, tra le altre, partecipa al progetto il Consorzio RFX di Padova, e si occupa degli NBI (Neurtral Beam Injectors), ovvero gli iniettori di atomi neutri di deuterio/idrogeno.

Il plasma, per raggiungere le condizioni di temperatura necessarie al processo di fusione, deve essere riscaldato: un metodo sono appunto gli NBI. Gli atomi neutri “lanciati” nella camera dove si trova il plasma trasferiscono la propria energia cinetica a quest’ultimo, riscaldandolo.

Una test facility costruita nel Consorzio e inaugurata a giugno del 2018 è SPIDER (Source for the Production of Ions of Deuterium Extracted from RF plasma), che prevede la produzione di un fascio di ioni negativi di deuterio D^–. Con SPIDER, quindi, si studia una parte importante di un NBI, quella della costituzione del fascio e della sua accelerazione (non la neutralizzazione).

Importanti sono la conoscenza (1) dell’uniformità del fascio e (2) delle sue caratteristiche. Ed è per questo che è usato il calorimetro diagnostico chiamato STRIKE (Short-Time Rectratrable Instrumented Kalorimeter) inserito in SPIDER.

STRIKE è composto da tegole di grafite sulle quali incide il fascio. Nella superficie opposta due termo-camere rilevano l’immagine termografica dell’impronta. Il mio lavoro di tesi è stato quello di utilizzare le reti neurali artificiali per risolvere il problema inverso (dalle temperature ricavare il fascio). Le reti neurali artificiali rappresentano un modello estremamente semplificativo del nostro sistema nervoso (per l’implementazione e utilizzo è stato utilizzato MATLAB). Sono costituite da:

• Unita di input
• Unita che comunicano all’interno
• Unità di output

Ogni unità viene chiamata neurone e ha come scopo quello di attivarsi quando il segnale d’ingresso supera una certa soglia; conseguentemente emetterà in uscita un nuovo segnale.

Perché la rete sia in grado di risolvere un problema si deve effettuare il training (addestramento), ovvero fornire un esempio risolto più volte finché non l’ha appreso ed è in grado di generalizzarlo. Nel mio caso sono stati dati alla rete più volte esempi risolti di problema (da immagini termografiche a fascio) ricavati attraverso simulazioni.

Nel lavoro di tesi ho quindi ricavato e ricostruito l’uscita della rete (fascio), in quanto i dati utilizzati erano stati ridotti (per questioni di elaborazione) con trasformata di fourier FFT e analisi delle componenti principali PCA, ricavando il fascio:

Un ulteriore analisi svolta è stata quella con dati in ingresso (temperature) che presentano rumore, ricavando però risultati non soddisfacenti:

Le conclusioni che ha portato la mia tesi è che le reti neurali artificiali offrono velocità di risposta rapida che ben si appresta ai tempi operativi degli esperimenti o nell’applicazione di un futuro reattore. Inoltre la rete deve utilizzare dati filtrati, o in alternativa deve essere addestrata con dati rumorosi.

I prossimi passi potrebbero essere: utilizzo di hardware e RAM dedicati (per evitare riduzione dati), riduzione con altri metodi, utilizzo di diverse tipologie di rete.

Il mio lavoro di tesi presso il Consorzio RFX mi ha permesso di vedere la grande multidisciplinarità nel grande progetto verso la strada della fusione nucleare e nello studio dei plasmi.