Un avance colaborativo entre Commonwealth Fusion Systems (CFS), el Laboratorio de Física de Plasmas de Princeton (PPPL) y el Laboratorio Nacional de Oak Ridge (ORNL) ha dado lugar al desarrollo de HEAT-ML, una herramienta de inteligencia artificial (IA) que agiliza significativamente la identificación de "sombras magnéticas" dentro de los reactores de fusión. Estas sombras son cruciales para proteger los componentes del reactor del intenso calor del plasma. HEAT-ML utiliza una red neuronal profunda entrenada con aproximadamente 1,000 simulaciones de SPARC del Heat flux Engineering Analysis Toolkit (HEAT), permitiendo al modelo predecir máscaras de sombra en milisegundos, una mejora sustancial sobre el código HEAT original que tomaba alrededor de 30 minutos por simulación.
La aplicación principal de HEAT-ML es simular una sección de SPARC, un tokamak que CFS está construyendo y que tiene como objetivo demostrar la ganancia neta de energía para 2027. Al predecir con precisión dónde el calor del plasma impacta el interior del reactor, HEAT-ML es vital para diseñar componentes que puedan soportar estas condiciones. Este avance en la simulación impulsada por IA no solo acelera el proceso de diseño para futuros sistemas de fusión, sino que también mejora la seguridad operativa al permitir ajustes en tiempo real de las configuraciones del plasma. El desarrollo de HEAT-ML se alinea con una tendencia más amplia en la investigación de fusión, donde la IA y el aprendizaje automático se utilizan cada vez más para abordar desafíos científicos complejos, como lo demuestran los sistemas de IA desarrollados por investigadores de los Institutos de Ciencias Físicas de Hefei en julio de 2025 para predecir interrupciones y monitorear estados de confinamiento de plasma. La capacidad de HEAT-ML para predecir estas zonas de protección térmica reduce drásticamente el tiempo de cálculo, pasando de minutos a milisegundos, lo que permite ciclos de diseño más rápidos y optimizaciones en tiempo real. La investigación, publicada en Fusion Engineering and Design, se centra en SPARC, un tokamak compacto de alto campo que CFS está construyendo con la colaboración de PPPL y ORNL. La precisión de HEAT-ML iguala el enfoque tradicional de detección de colisiones de HEAT, pero con una reducción significativa en el tiempo de ejecución, permitiendo la generación de mapas de calor casi en tiempo real para geometrías de divertor fijas, lo que podría permitir ajustes en el diseño de las baldosas y la optimización de los puntos de operación.