Una collaborazione pionieristica tra Commonwealth Fusion Systems (CFS), il Princeton Plasma Physics Laboratory (PPPL) e l'Oak Ridge National Laboratory ha portato allo sviluppo di HEAT-ML, un sistema di intelligenza artificiale (IA) che rivoluziona la progettazione dei reattori a fusione. Questo strumento accelera drasticamente l'identificazione delle "ombre magnetiche", aree cruciali che proteggono i componenti del reattore dal calore intenso del plasma. HEAT-ML sfrutta una rete neurale profonda, addestrata su circa 1.000 simulazioni del toolkit HEAT (Heat flux Engineering Analysis Toolkit), permettendo al modello di prevedere le maschere d'ombra – mappe tridimensionali delle ombre magnetiche – in pochi millisecondi. Questo rappresenta un miglioramento esponenziale rispetto al codice HEAT originale, che richiedeva circa 30 minuti per simulazione, riducendo così i tempi di calcolo di ordini di grandezza.
L'applicazione principale di HEAT-ML è la simulazione di una sezione di SPARC, un tokamak in costruzione da parte di CFS, che mira a dimostrare il guadagno netto di energia entro il 2027. La capacità di HEAT-ML di prevedere con precisione dove il calore del plasma impatta le superfici interne del reattore è vitale per la progettazione di componenti in grado di resistere a tali condizioni estreme. L'accuratezza di queste previsioni è paragonabile a quella del metodo originale, ma con una velocità notevolmente superiore. Questo progresso nell'IA non solo velocizza il processo di progettazione per i futuri sistemi a fusione, ma ne migliora anche la sicurezza operativa, permettendo aggiustamenti in tempo reale delle configurazioni del plasma per prevenire potenziali problemi. L'efficacia di HEAT-ML è stata convalidata su circa 1.000 simulazioni di SPARC, dimostrando la sua capacità di riprodurre le maschere d'ombra con elevata precisione. L'avanzamento di HEAT-ML si inserisce in una tendenza più ampia nella ricerca sulla fusione, dove l'IA e il machine learning vengono sempre più impiegati per affrontare sfide scientifiche complesse, come dimostrato dai sistemi di IA sviluppati nel luglio 2025 dai ricercatori degli Hefei Institutes of Physical Science per prevedere le interruzioni del plasma e monitorare gli stati di confinamento con alti tassi di successo. L'obiettivo a lungo termine è generalizzare questo strumento di IA per renderlo applicabile a diverse forme e dimensioni di reattori, supportando non solo la progettazione ma anche le decisioni operative in tempo reale.