Vi è già capitato di uscire di casa salutando il tavolino e dicendo: “Ciao Alexa, torno presto!”. Siamo di fatto entrati nell’era in cui tutto ciò che ci circonda è “intelligente”, o quasi. A RFX l’AI si inserisce ora anche nell’ambito della ricerca sulla fusione per l’analisi della stabilità del plasma.
Nel rinnovato esperimento RFX-mod2, grazie al progetto MIAIVO finanziato dalla Regione Veneto, sarà possibile ottenere un upgrade dei sensori diagnostici, più sensibili ed economici, che permetteranno di decuplicare la già imponente mole di dati raccolti. Migliaia di segnali dovranno essere gestiti in frazioni di secondo per fornire le informazioni utili a pilotare la macchina in tempo reale.
Questo ambizioso progetto sembra ora meno distante dalla sua realizzazione anche grazie all’ausilio dell’intelligenza artificiale, attraverso un innovativo modello basato sulle Reti Neurali in via di sviluppo presso il Consorzio RFX.
Le Deep Neural Networks (Reti Neurali con molteplici strati), nello studio di Rigoni et al., si propongono come sintesi del modello fisico per permettere durante il funzionamento della macchina un’analisi integrata di tutte le diverse diagnostiche presenti.
L’idea infatti è quella di concedere dapprima una parziale rinuncia della conoscenza del fenomeno, e di concentrare invece l’attenzione alla mera rappresentazione statistica delle misure ricavate. Questi particolari algoritmi che prendono ispirazione dalle connessioni nervose del cervello, pur composti di semplici operazioni, si sono dimostrati sorprendentemente efficaci nell’elaborare rapidamente grandi quantità di dati e nel mimare il comportamento di sistemi anche estremamente complessi. La rete neurale permetterà rendere più stabile il funzionamento dell’esperimento e aprire la strada a una migliore comprensione dei modelli fisici.
Come un bambino che impara ad andare in bicicletta apprende l’equilibrio senza dover conoscere le leggi della fisica che regolano il suo moto, così queste reti neurali, a RFX, imparano pian piano a utilizzare i segnali acquisiti per capire lo stato del sistema. I dati delle molteplici differenti sorgenti di misura vengono quindi direttamente correlati gli uni gli altri senza dover passare attraverso un complesso modello fisico. Se ne ricava infine un insieme ridotto di parametri, le cosiddette variabili latenti, che costituiscono le leve fondamentali per la rappresentazione di ciò che avviene nell’esperimento.
Ma a cosa servirà questo genere di tecnologia in una macchina a fusione?
Questa nuova tecnologia rinnova completamente tutta la catena di acquisizione dati di questi esperimenti, costruendo una chiave unica per leggere diagnostiche anche di natura molto diversa. Come l’equilibrio in bicicletta è regolato da una complessa analisi di ciò che percepiamo dall’ambiente attraverso i sensi ( la visione stereoscopica degli occhi, il tatto, l’equilibrio ecc…), così anche l’analisi dello stato del plasma in RFX-mod è una faccenda complicata. Telecamere a infrarossi, sensori magnetici, raggi laser che penetrano nel gas, sistemi di tomografia a raggi X… molti sono i sistemi di misura che si attivano simultaneamente per capire cosa succede durante una sessione di funzionamento dell’esperimento. Tuttavia per poter fare in modo che il sistema riesca a gestire tutte queste misure si è finora scelto di selezionare pochi segnali facilmente analizzabili, rinunciando però a una grande porzione di informazione potenzialmente utile.
Questa nuova idea propone invece di avvicinare la parte “intelligente” (AI) dell’esperimento ai sensori dove i segnali vengono estratti. Da ogni sensore si ricaverà quindi tutta la banda disponibile, senza compromessi, potendo così accedere localmente a tutti dati veramente utili. Se ne otterrà così facendo un duplice vantaggio: da un lato si potrà trasferire più informazione attraverso le connessioni tra le diagnostiche e il sistema di controllo centrale, dall’altro se ne filtreranno gli elementi poco rilevanti che rendono più onerosa l’analisi dello stato globale del sistema.
RFX-mod è la macchina da fusione con il maggior numero di diagnostiche presente nel panorama attuale della ricerca sulla fusione. Per questo motivo l’esperimento si è rivelato il miglior banco di prova per lo sviluppo delle reti neurali applicate alla fusione. Lo scopo finale è l’ottimizzazione del sistema per un futuro utilizzo nel controllo dei reattori a fusione.