Op weg naar een betrouwbare kernfusiereactor met behulp van artificiële intelligentie

OP WEG NAAR EEN BETROUWBARE KERNFUSIEREACTOR MET BEHULP VAN ARTIFICIËLE INTELLIGENTIE

Hoe kunnen we onze snel groeiende wereld voorzien van schone en veilige energie? Het is een vraag die vandaag meer dan ooit relevant is. Kernfusiewetenschappers proberen een antwoord te bieden door de energieopwekkende processen uit de zon na te bootsen in een fusiereactor op aarde. In een ideale wereld zijn alle element in zo'n complexe machine perfect op elkaar afgesteld en doet elk onderdeel zijn werk naar behoren. Maar hoe voorkomen we dat er in de werkelijkheid toch iets fout loopt en een duur experiment mislukt? In dit onderzoek wordt artificiële intelligentie naar voren geschoven als nieuwe bondgenoot.

De Joint European Torus, of JET, is de grootste werkende experimentele kernfusiereactor in de wereld, gelegen in Culham, nabij Oxford. Wat daar gebeurt, kan vergeleken worden met het recreëren van wat zich afspeelt in het binnenste van een ster. Al sinds 1983 wordt bij JET fundamenteel onderzoek verricht naar kernfusie door wetenschappers uit wel 28 verschillende landen. Kernfusie is het proces waarbij twee zware waterstofkernen samengebracht worden bij heel hoge temperaturen om ze te fusioneren tot helium. Tijdens dat proces komt heel veel energie vrij: een kilogram fusiebrandstof vormt het equivalent van ongeveer zeven miljoen kilogram olie. Deze brandstof kan voor een deel eenvoudig gewonnen worden uit zeewater en wordt voor het andere deel geproduceerd in de reactor zelf. Bovendien is kernfusie ook nog eens een nagenoeg CO2-neutrale bron van energie en worden er geen langlevende radioactieve stoffen geproduceerd, zoals wel het geval is bij traditionele kerncentrales. De reden waarom we nog geen gebruik kunnen maken van deze veelbelovende energiebron zit in de moeilijkheid om de fusiebrandstof lang genoeg op de ongelooflijk hoge temperaturen te houden die vereist zijn voor een winstgevende operatie van de reactor. Voor kernfusie spreken we dan ook over temperaturen van meer dan 100 miljoen graden Celsius. Een manier om ervoor te zorgen dat deze extreem hete deeltjes niet in contact komen met hun omgeving, is ze op te sluiten in een sterk magnetisch veld. Dat is ook precies wat in JET gebeurt: miljoenen onderdelen werken er minutieus samen om de fusiebrandstof op te warmen in het magnetische veld, en ze daarna ook weer weg te voeren uit de reactor. Soms gaat er iets fout in dit complexe proces en laat een onderdeel in de machine het afweten op een cruciaal moment. Dit leidt niet alleen tot een mislukt experiment, maar brengt ook vaak frustraties met zich mee bij de onderzoekers. Herstellingen van deze fouten kunnen veel geld kosten en nemen vaak een lange tijd in beslag, wat het onderzoek naar kernfusie uiteindelijk vertraagt.

        "Voor kernfusie spreken we dan ook

        over temperaturen van meer

        dan 100 miljoen graden Celsius."

Artificial intelligence to the rescue

Om dergelijke tegenslagen in de toekomst te voorkomen werd onderzocht of slimme algoritmes al dan niet in staat zijn om afwijkende datapatronen in de fusiereactor op te sporen. Wanneer deze algoritmes vervolgens zo'n afwijkend patroon vaststellen, kunnen de onderzoekers gewaarschuwd worden zodat tijdig kan worden ingegrepen.

Twee onderdelen van de experimentele JET reactor werden tijdens dit onderzoek onder de loep genomen, en voor elk van hen werd een specifiek algoritme gebouwd. Het eerste luik van het onderzoek focust op enkele frequente mankementen bij de JET turbomoleculaire pompen. Die vormen een deel van het systeem dat instaat voor het ultrahoge vacuüm in de reactor. Zo'n hoog vacuüm is nodig om ervoor te zorgen dat het kernfusiemengsel niet vervuild raakt met andere stoffen. Bovendien zorgt het vacuümsysteem er ook voor dat na een experiment alle fusiedeeltjes netjes verwijderd worden uit de reactor.

De eerste stap in het voorkomen van nieuwe fouten in het vacuümsysteem bestaat uit het bouwen van een neuraal netwerk. Neurale netwerken zijn geavanceerde machine learning algoritmes bestaande uit kunstmatige neuronen die samen informatie kunnen verwerken, gelijkaardig aan de manier waarop ons brein dat doet. Hier werd het neuraal netwerk getraind in het zo goed mogelijk herkennen van gezonde datapatronen afkomstig van sensoren die het systeem monitoren. Wanneer het neurale netwerk vervolgens na een tijdje nieuwe binnenkomende data niet meer herkent, wordt een alarmsignaal verzonden. Het resultaat is een algoritme dat onderzoekers kan waarschuwen wanneer afwijkend gedrag zich voordoet, zodat een opknapbeurt van het systeem ingelast kan worden en het vacuümsysteem niet op een onverwacht moment stopt met werken.

Ook kernfusie heeft al eens wat warmte nodig

Het tweede onderzochte onderdeel maakt deel uit van het centrale systeem dat de fusiebrandstof opwarmt. Om de hoge temperaturen te bereiken die nodig zijn voor kernfusiereacties is veel energie nodig. Die energie wordt geleverd vanuit een zware ronddraaiende schijf, een zogenaamde 'vliegwiel generator'. Voor de verplaatsing van de hoge elektrische stroom van duizenden Ampères zijn stevige geleiders en schakelaars nodig die tegen een stootje kunnen. Er is één belangrijke schakelaar die het vaak zwaar te verduren krijgt tijdens dit proces: de zogenaamde S1-schakelaar. Na vele experimenten werkt deze schakelaar soms niet meer, waardoor de stroomtransitie niet correct meer kan verlopen. Om onderzoekers te waarschuwen wanneer een schakelaar aan vervanging toe is, werd een algoritme ontwikkeld dat de typische ouderdomsverschijnselen van een vermoeide schakelaar leert herkennen. Hiervoor werd gekeken naar twee belangrijke spanningssignalen. Wanneer het verschil tussen beide signalen gedurende een specifieke halve milliseconde uitgezet wordt in een 32-dimensionale ruimte, kan het algoritme een duidelijk onderscheid maken tussen gezonde data en data geproduceerd door een vermoeide schakelaar. Als resultaat kan het algoritme nu opnieuw een waarschuwingssignaal versturen wanneer te veel onnauwkeurigheden worden waargenomen, om uiteindelijk erger te voorkomen.

Wat nu?

Met de resultaten van beide onderdelen wil dit onderzoek het potentieel van artificiële intelligentie aantonen in de zoektocht naar een operationele kernfusiereactor. Hopelijk voelen fusie-enthousiastelingen zich aangesproken om de fascinerende methodes uit de artificiële intelligentie verder toe te passen in het onderzoek naar kernfusie, en zo mee bij te dragen aan de ontwikkeling van een schone en veilige energiebron voor de hele wereld.