Publicidade

Correio Braziliense

Nova forma de inteligência artificial pode revolucionar produção de energia

O sucesso na técnica pode significar eletricidade ilimitada


postado em 29/04/2019 06:00

(foto: Nasa/Reprodução)
(foto: Nasa/Reprodução)
Um dos campos da ciência da computação considerados mais promissores do século, a inteligência artificial (AI) pode, agora, acelerar o desenvolvimento de fusões de energia limpa e virtualmente ilimitadas para gerar eletricidade. Pela primeira vez, uma equipe de cientistas utilizou o deep learning — uma nova versão de aprendizado de máquina para AI — para evitar um problema que impede, até hoje, a reprodução, na Terra, desse processo gerador de grandes quantidades energéticas.

No espaço, as estrelas, incluindo o Sol, são fontes constantes de um tipo de energia limpa e inesgotável. Isso acontece por meio da fusão: quando elementos leves, como deutério e trítio — ambos isótopos de hidrogênio — se mesclam na forma de plasma, que é o estado da matéria carregado e quente, composto de elétrons livres e de núcleo atômico. Essa reação produz energia. Os cientistas procuram replicar esse processo na Terra, mas esbarram em uma dificuldade técnica. Quando tentam gerar uma fusão nos chamados tokamks — reatores experimentais que estudam plasmas de alta temperatura —, ocorrem interrupções súbitas que, inclusive, podem estragar o equipamento.

Graças a grandes bancos de dados de fusão nos Estados Unidos e na Europa, os pesquisadores tiveram acesso a uma compilação de informações sem precedentes sobre a perda súbita de confinamento de partículas do plasma e de energia. Combinadas, elas permitiram ao algorítimo de deep learning, chamado de Rede Neural Recorrente de Fusão (FRNN, sigla em inglês), prever as interrupções e abriram caminho para que, no futuro, ele seja, inclusive, capaz de controlá-las.

“Essa pesquisa abre um novo capítulo promissor no esforço de trazer energia ilimitada à Terra”, diz Steve Cowley, diretor do Laboratório de Física de Plasma (PPPL, sigla em inglês) do Departamento de Energia norte-americano e um dos autores do estudo, publicado na revista Nature. “A inteligência artificial está ‘explodindo’ pela ciência e agora começa a contribuir para a questão mundial da energia de fusão.” A pesquisa contou também com cientistas da Universidade de Princeton e da Universidade de Harvard.

Ajuste


“A inteligência artificial é a mais intrigante área do crescimento científico agora, e casá-la com a ciência de fusão é muito animador”, diz Bill Tang, físico no PPPL e coautor do artigo. “Nós aceleramos a habilidade de prever, com grande acurácia, o maior desafio à fusão de energia limpa”, comemora.

Diferentemente de um software tradicional, que executa instruções prescritas, o deep learning aprende com seus erros. A realização dessa “mágica” aparente são as redes neurais, camadas de nós interconectados — algoritmos matemáticos — que o programa utiliza para moldar a saída desejada. Para qualquer entrada, os nós buscam produzir uma saída específica, como a identificação correta de uma face ou as previsões precisas de uma interrupção da fusão. Quando um nó não consegue realizar a tarefa, o sistema de inteligência artificial se ajusta automaticamente, até que o resultado correto seja obtido.

Uma característica fundamental do deep learnig é sua capacidade de capturar dados de alta dimensão, em vez de unidimensionais. Por exemplo, enquanto o software de aprendizagem não profunda pode considerar a temperatura de um plasma em um único ponto no tempo, o FRNN leva em consideração os perfis da temperatura no tempo e no espaço. “A capacidade dos métodos de aprendizagem profunda de aprender com dados tão complexos os torna candidatos ideais para a tarefa de previsão de interrupções”, diz Julian Kates-Harbeck, estudante de pós-graduação em física da Universidade de Harvard, principal autor do artigo da Nature e arquiteto-chefe do código.

O próximo passo da equipe será passar da previsão para o controle de rupturas. “Em vez de prever rupturas para   depois mitigá-las, esperamos usar modelos de aprendizado profundo para afastar o plasma das regiões de instabilidade, com o objetivo de evitar a maioria das perturbações”, explica Kates-Harbeck. “Vamos combinar o deep learning com a física básica, de primeiro princípio, em computadores de alto desempenho, para nos concentrarmos em mecanismos de controle realistas na queima de plasmas”, disse Tang. Por controle, entenda-se saber quais ‘botões girar’ em um tokamak, de forma a alterar as condições e, assim, evitar interrupções. “Isso está em nossas mãos e é para onde estamos indo”, afirma.

Os comentários não representam a opinião do jornal e são de responsabilidade do autor. As mensagens estão sujeitas a moderação prévia antes da publicação

Publicidade