Fúzní energetika má pověst technologie, která je vždycky třicet let od nasazení. Jenže problém dnes neleží pouze v tom, jak udržet dostatečně horkou reakci. Stejně důležité je umět v reálném čase sledovat a řídit plazma, které se chová jako extrémně citlivý a neklidný systém. Právě na tuto vrstvu se zaměřuje švýcarský startup Fusionality.
Fusionality 9. září oznámila předseedové financování ve výši 3 milionů švýcarských franků, tedy přibližně 3,7 milionu dolarů. Peníze od Founderful a Playfair mají jít na vývoj technologií pro měření, simulaci a řízení fúzních zařízení. Rychlá zpráva na Radyz zachytila samotné financování. Zajímavější než částka je ale důvod, proč tento software vůbec vzniká.
Nejtěžší není plazma vytvořit, ale udržet ho
V tokamaku, nejznámějším typu zařízení pro magnetické udržení fúze, se lehká atomová jádra slučují v plazmatu. Aby k tomu docházelo, musí mít palivo teplotu přesahující sto milionů stupňů Celsia. Plazma přitom nesmí narazit do stěny nádoby, takže ho drží a tvarují silná magnetická pole.
To je důvod, proč fúzní reaktor není jen velmi horká pec. Výzkumníci musí současně hlídat teplotu, hustotu, tvar i dobu udržení plazmatu. ITER tento problém popisuje jako kombinaci tří podmínek, které musí být splněny zároveň: dostatečné teploty, hustoty částic a času, po který plazma zůstane uzavřené v potřebném prostoru. Popis principu na webu ITER ukazuje, proč se řízení plazmatu nedá oddělit od samotné fyziky fúze.
Plazma navíc není klidný objekt, který stačí jednou nastavit. Jeho stav se mění a řídicí systém musí reagovat na data ze senzorů, upravovat magnetická pole, topení nebo přísun paliva a přitom respektovat fyzikální i provozní limity. Podle Fusionality musí tyto operace probíhat v řádu milisekund, protože pomalá reakce může zpomalit experiment, poškodit součásti a v budoucí elektrárně přerušit výrobu.
Fusionality nechce prodávat kouzelnou krabičku s AI
Zakladatelé Federico Felici a Jonas Buchli se potkali při práci na tom, jak pomocí umělé inteligence řídit tokamak TCV ve švýcarském EPFL. Felici se později věnoval simulacím a rozhraním strojového učení pro fúzní zařízení v Google DeepMind, zatímco Buchli pracoval mimo jiné na robotice, optimálním řízení a učení s posilováním.
Jejich startup proto nestaví pouze chatbot pro fyziky. Podle popisu projektu ve švýcarském Startuptickeru chce Fusionality dodat širší provozní infrastrukturu: měření vlastností plazmatu, převod naměřených dat do odhadu jeho stavu, simulace a řízení systémů pro topení, palivo a magnety. Důležitá je také přenositelnost. Fúzní firmy dnes často budují podobné části řídicího systému znovu pro každý nový experiment, přestože základní úlohy se opakují.
TechCrunch cituje Feliciho tvrzení, že přibližně 80 procent řídicího systému je napříč firmami v principu stejné. To není nezávislý benchmark, ale vysvětlení obchodní teze startupu: pokud se podaří společné části připravit jako znovu použitelné stavební bloky, nemusí každý nový fúzní tým začínat od prázdného projektu. TechCrunch popisuje tento přístup jako vznikající softwarovou a hardwarovou vrstvu pro fúzní průmysl.
AI už řízení plazmatu jednou předvedla
Nejde přitom jen o marketingový příslib. Studie publikovaná v časopise Nature v roce 2022 popsala řídicí architekturu založenou na hlubokém učení s posilováním, která se učila ovládat magnetické cívky tokamaku TCV. Systém dokázal udržovat různé konfigurace plazmatu včetně protáhlých tvarů, konfigurace s negativní trojúhelníkovitostí nebo takzvaných sněhových vloček.
Výzkumníci tehdy neukázali hotovou elektrárnu řízenou AI. Ukázali ale něco podstatného: algoritmus dokázal převést vysokoúrovňový cíl na řízení celé sady cívek a současně respektovat fyzikální a provozní omezení. Původní studie v Nature popisuje experiment jako důkaz potenciálu učení s posilováním pro urychlení výzkumu fúze, nikoli jako důkaz, že autonomní reaktor je za rohem.
Kde může AI pomoci jako první
Nejrozumnější role AI ve fúzi není okamžité převzetí celého reaktoru. Mnohem pravděpodobnější je postupné nasazení v jednotlivých částech řídicího řetězce, kde může pomoci zpracovat velké množství měření, hledat vhodné nastavení a navrhovat zásah rychleji než člověk.
- odhadovat stav plazmatu z diagnostických dat, která přicházejí z více senzorů a v různých časových měřítcích;
- optimalizovat řízení magnetických cívek tak, aby plazma drželo požadovaný tvar a polohu;
- hledat účinnější nastavení topení a přísunu paliva pro konkrétní experiment;
- zkoušet nové konfigurace nejdříve v simulaci a teprve potom je posílat do zařízení;
- upozorňovat na odchylky a možné nestability dříve, než povedou k přerušení výboje.
Některé z těchto úloh už ukázaly výzkumné experimenty, jiné jsou přirozeným směrem dalšího vývoje. Není ale správné spojovat každý bod přímo s hotovým produktem Fusionality. Startup teprve buduje tým a technologické bloky, které chce dodat prvním zákazníkům.
Proč AI zatím nemá řídit celý reaktor
Felici sám v rozhovoru pro TechCrunch odmítá představu, že by AI měla okamžitě převzít kontrolu nad celým fúzním reaktorem. Podle něj bude umělá inteligence spíš doplňovat, zlepšovat a optimalizovat vybrané části systému. Tohle je střízlivější přístup než tvrzení, že jeden model vyřeší plazmatickou fyziku i bezpečnost elektrárny najednou.
Řídicí systém musí pracovat s omezeným časem, neúplnými měřeními a situacemi, které nemusely být v trénovacích datech. U experimentu lze algoritmus zastavit a analyzovat, co se stalo. U elektrárny by návrh AI musel být obalený ověřenými limity, bezpečnostními blokádami, nouzovými režimy a možností převzít řízení mimo model. Výstup, kterému nikdo nerozumí, není automaticky bezpečný jen proto, že v simulaci fungoval.
To platí dvojnásob u systémů, kde může špatná akce znamenat ztrátu plazmatu nebo poškození drahých komponent. AI může navrhnout optimální zásah, ale odpovědnost za to, že zásah nepřekročí fyzikální a provozní hranice, musí zůstat v celém řídicím návrhu, ne v marketingové zkratce o autonomii.
Fúze má také problém se softwarem a organizací
Fúzní energetika se často popisuje jako závod o lepší magnety, supravodiče a materiály. Fusionality připomíná méně viditelnou část příběhu: i když firma postaví nový typ zařízení, musí ho umět měřit, simulovat, ovládat a bezpečně provozovat. Pokud každý tým vyvíjí stejnou provozní infrastrukturu od nuly, peníze i lidé mizí v opakování práce místo v testování samotného reaktoru.
Podle Startuptickeru dnes více než třicet soukromě financovaných firem vyvíjí fúzní zařízení vedle veřejných programů. To ještě neznamená, že všechny budou potřebovat stejný produkt nebo že Fusionality získá celý trh. Ukazuje to ale, proč může mít společná softwarová vrstva větší význam než další izolovaný demonstrační algoritmus.
První hodnota AI ve fúzi proto nemusí být v titulku typu „model řídí reaktor“. Může spočívat v něčem méně efektním: rychlejší přípravě experimentu, lepším odhadu stavu plazmatu, menším množství ručně psaného řídicího kódu a možnosti znovu použít ověřené komponenty v dalším zařízení.
Nejdřív infrastruktura, potom elektrárna
Fusionality nezískala peníze na vyřešení celé fúze. Získala je na řešení jedné vrstvy, která může brzdit desítky různých pokusů o komerční reaktor. To je méně bombastický příběh, ale technologicky dává větší smysl: než AI dostane odpovědnost za celý stroj, musí se naučit spolehlivě pomáhat s jeho jednotlivými částmi.
Fúzní elektrárna nebude hotová ve chvíli, kdy algoritmus jednou udrží plazma ve správném tvaru. Pokud ale podobné systémy zkrátí vývoj dalších zařízení a přenesou zkušenosti z jednoho tokamaku do druhého, mohou zlepšit tempo celého oboru. Skutečný test Fusionality proto nebude v tom, jak dobře zní slovo AI v prezentaci, ale v tom, zda její software pomůže fúzním týmům bezpečněji a opakovatelněji provozovat skutečná zařízení.
