Princeton — InkDesign News — Pesquisadores de Princeton anunciaram um avanço inédito: uma inteligência artificial chamada Diag2Diag, capaz de reconstruir dados ausentes de sensores em sistemas de fusão nuclear. O estudo, liderado por Azarakhsh Jalalvand, foi publicado recentemente na revista Nature Communications.
O Contexto da Pesquisa
O desenvolvimento de tecnologias para estabilizar e controlar o plasma nas instalações de fusão nuclear é um dos principais desafios para tornar a fusão uma fonte de energia viável e econômica. Atualmente, sistemas experimentais como o DIII-D National Fusion Facility dependem de diversos sensores para monitorar o comportamento do plasma. Entretanto, falhas em sensores podem comprometer o experimento — e, futuramente, a operação contínua de usinas de energia.
“Diag2Diag poderia também ter aplicações em outros sistemas como espaçonaves e cirurgia robótica, aprimorando o detalhamento e recuperando dados de sensores degradados para garantir a confiabilidade em ambientes críticos.”
(“Diag2Diag could also have applications in other systems such as spacecraft and robotic surgery by enhancing detail and recovering data from failing or degraded sensors, ensuring reliability in critical environments.”)— Azarakhsh Jalalvand, pesquisador principal, Princeton University
Fusões nucleares, realizadas em máquinas do tipo tokamak, dependem do monitoramento preciso de fenômenos como modos limite-localizados (ELMs), que prejudicam a estabilidade do plasma.
Resultados e Metodologia
A Diag2Diag foi treinada com dados coletados no DIII-D National Fusion Facility, fruto de colaboração internacional entre Princeton, o Princeton Plasma Physics Laboratory (PPPL), Chung-Ang University, Columbia University e Seoul National University. Essa IA utiliza dados de sensores já existentes para criar versões sintéticas de informações que estariam ausentes, preenchendo lacunas inclusive com mais detalhes do que sensores convencionais.
“Diag2Diag está, de certa forma, dando um impulso aos diagnósticos sem custo adicional em hardware.”
(“Diag2Diag is kind of giving your diagnostics a boost without spending hardware money.”)— Egemen Kolemen, principal investigator, PPPL e Princeton University
A tecnologia mostrou ser capaz de registrar o achatamento simultâneo da temperatura e densidade do plasma na região conhecida como pedestal, corroborando teorias sobre como pequenas perturbações magnéticas podem prevenir danos ao reator.
Implicações e Próximos Passos
A expectativa é que diagnósticos baseados em IA como Diag2Diag otimizem o design de reatores futuros, tornando-os mais compactos, confiáveis e econômicos. Com menos sensores físicos, haverá mais espaço e robustez nas instalações, reduzindo custos de manutenção e riscos de falhas.
“Os tokamaks experimentais de hoje têm muitos diagnósticos, mas sistemas comerciais futuros deverão operar com muito menos.”
(“Today’s experimental tokamaks have a lot of diagnostics, but future commercial systems will likely need to have far fewer.”)— SangKyeun Kim, pesquisador, PPPL
Os pesquisadores apontam que o Diag2Diag pode ser aplicado em áreas além da fusão nuclear, incluindo setores como monitoramento industrial, sistemas aeroespaciais e processos cirúrgicos robotizados.
As próximas etapas do projeto envolvem expandir o escopo da IA para novos tipos de diagnósticos e verificar sua eficácia em diferentes plataformas. A adoção crescente de inteligência artificial na instrumentação científica pode transformar o acesso a dados críticos e influenciar o desenvolvimento de fontes de energia limpas e sustentáveis.
Fonte: (ScienceDaily – Ciência)
