Publié le 17mars 2022 par Alain Weerens

Ingénieur Civil AIrBr

Collaborateur Industriel, ULB EPB BEAMS

Selon les meilleures prévisions actuelles (ITER, ...), la phase opérationnelle de l'exploitation de la fusion nucléaire  est attendue dans une cinquantaine d'années.

Néanmoins, il n'est jamais exclu que certains progrès puissent réduire ce très long délai d'attente ...

Dans cette optique, des chercheurs de l'Ecole Polytechnique Fédérale de Lausanne (EPFL) et de Deepmind (Google) ont cherché à mieux contrôler le plasma grâce à l'intelligence artificielle. 

A cet effet, ils le modélisent, c'est à dire qu'ils donnent différentes formes au plasma des Tokamaks.

Pour développer l'algorithme de modélisation, les chercheurs ont utilisé une méthode particulière de machine learning, le Deep Reinforcement Learning. Cette approche combine l'apprentissage par renforcement (reinforcement learning) et le deep learning, qui fait appel à des réseaux neuronaux artificiels. Dans le cas du reinforcement learning, un algorithme apprend à prendre des décisions de manière autonome sur la base de règles préétablies, selon le principe de l'essai-erreur. Mais pour certains cas d'application, le processus de prise de décision avec cette méthode s'avère trop complexe, lit-on sur techopedia.com. Dans de tels cas, le recours à des réseaux neuronaux apporte une solution car ils sont davantage en mesure de faire des estimations.

Tous les détails dans l'article de Nature ci-dessous