Un sistema de inteligencia artificial llamado PACMAN predijo en el tokamak DIII-D de San Diego una inestabilidad del plasma, un modo de desgarro, unos 200 milisegundos antes de que apareciera, a tiempo para cambiar el plasma y evitarla. Lo han desarrollado el Laboratorio de Física del Plasma de Princeton (PPPL), del Departamento de Energía de Estados Unidos, y la Universidad de Princeton, y se probó en cinco experimentos reales, según el comunicado del PPPL del 2 de septiembre de 2026.
Sus dos autores principales son Hiro Farre Kaga, estudiante de posgrado del Programa de Física del Plasma de Princeton, y Andy Rothstein, estudiante de posgrado del Departamento de Ingeniería Mecánica y Aeroespacial de la misma universidad. El nombre viene de Prediction And Control using MAchiNe learning.
Un plasma que cambia en milésimas de segundo
Un tokamak es una máquina con una cámara de vacío en forma de rosquilla en la que potentes campos magnéticos sujetan el plasma, un gas cargado eléctricamente más caliente, en algunas de estas máquinas, que el núcleo del Sol. La fusión une núcleos atómicos ligeros y libera energía sin emitir CO2, como explica el Organismo Internacional de Energía Atómica.
Para que funcione hay que mantener el plasma caliente, denso y estable, y las inestabilidades crecen en milisegundos y pueden frustrar la reacción. El control fino del plasma es una de las piezas que faltan: Corea del Sur ya ha sostenido un plasma estable durante 6 minutos en KSTAR, y en Francia ha llegado el último sector de la cámara de vacío de ITER.
Los programas que simulan el plasma con detalle tardan días o meses en dar un resultado. Farre Kaga explica que el control necesita decidir en el momento, y que los modelos de aprendizaje automático son la única forma de modelar el plasma en tiempos de milisegundos. «La velocidad de estos modelos es la clave para el control», resume.
Cuatro estaciones en unos 20 milisegundos
PACMAN trabaja como una cadena de montaje. Primero reúne las mediciones del tokamak en tiempo real, como temperaturas, densidades y señales magnéticas, y las revisa en busca de errores. Después, los modelos de inteligencia artificial predicen qué está haciendo el plasma, los controladores calculan las órdenes y una etapa final resuelve los conflictos, aplica los límites de seguridad del equipo y envía las órdenes a la máquina.
Los autores escriben que este diseño imita de cerca el trabajo de una sala de control. Rothstein lo compara con un operador humano muy concentrado, que responde en cuestión de segundos, mientras que el marco completo suele ejecutarse en unos 20 milisegundos, una y otra vez.
El modo de desgarro, previsto con 200 milisegundos
El modo de desgarro es una inestabilidad que rasga las líneas del campo magnético que sujeta el plasma, rompe su equilibrio y le resta rendimiento, y en el peor caso puede dejarlo escapar y apagar la reacción. Los controladores convencionales solo lo detectan cuando ya ha empezado e intentan suprimirlo, algo que, según Farre Kaga, puede conllevar una gran pérdida de rendimiento.
En uno de los experimentos, un modelo lo predijo con unos 200 milisegundos de antelación y eso permitió modificar el plasma para evitarlo desde el principio. Cuando la probabilidad de modo de desgarro supera el 10 %, el primer girotrón, uno de los aparatos que calientan el plasma con microondas, cambia de tarea; si supera el 20 %, lo hace el segundo, y así sucesivamente.
En ese margen de aviso caben unas diez vueltas completas del sistema, y el controlador cumplió con facilidad su objetivo de quedarse por debajo de 10 milisegundos.
Seis girotrones movidos a la vez
En otro ensayo, PACMAN dirigió a la vez los seis girotrones de DIII-D. Reorientó en tiempo real los espejos que apuntan sus haces y ajustó su potencia para cumplir objetivos complejos fijados de antemano, algo para lo que antes no había ningún algoritmo. «Cuando terminó el disparo y miramos los datos, estaba haciendo exactamente lo que esperábamos», afirma Farre Kaga.
Un modelo entrenado por aprendizaje por refuerzo, una técnica de ensayo y error, tomó el control completo de la calefacción en el disparo 204975, con un ciclo de 50 milisegundos, por debajo del tiempo de confinamiento del plasma, de 100 milisegundos.
PACMAN también predijo estallidos repentinos de energía en el borde del plasma, controló ondas impulsadas por partículas rápidas y ajustó la densidad y la rotación del plasma a los valores pedidos.
Los físicos siguen fijando los objetivos
Los investigadores insisten en que PACMAN no saca a las personas del proceso. El sistema impone los límites de seguridad digan lo que digan los modelos, y los físicos revisan cada experimento para ajustar los controladores del siguiente. «Por muy sofisticados que sean tus controladores, al final es un operador humano quien fija los parámetros de ese control», resume Farre Kaga.
Construir la plataforma e instalar el primer modelo llevó meses, pero el segundo se instaló en un par de días, cuenta Rothstein.
Egemen Kolemen, profesor asociado de la Universidad de Princeton y del PPPL, explica que se puede añadir un modelo, sustituir otro o ejecutar varios a la vez sin tocar el resto. «Esa modularidad es lo que convierte el control del plasma con IA de una serie de demostraciones aisladas en una infraestructura», sostiene. En España, el Laboratorio Nacional de Fusión se asoció con IBM para procesar con inteligencia artificial los datos del stellarator TJ-II, y en China la empresa ENN ha superado los 100 millones de reacciones de hidrógeno y boro por segundo en su tokamak EXL-50U.
Lo que PACMAN todavía no puede hacer
El propio artículo marca los límites. PACMAN no puede enviar órdenes más rápido de lo que tarda en ejecutarse, así que no sería apropiado para eventos como los VDE, desplazamientos verticales del plasma que pueden provocar una disrupción, la pérdida brusca del confinamiento, en menos de un milisegundo. Tampoco resuelve objetivos físicos enfrentados, como un controlador que maximiza el confinamiento en el núcleo mientras otro gestiona el calor en el borde.
Que el sistema evitara un modo de desgarro en un experimento no demuestra que pueda evitar cualquier inestabilidad. Sus creadores creen que el enfoque puede llevarse a tokamaks de otros tamaños y formas, pero eso habrá que comprobarlo en cada instalación.
Entre estos ensayos y una central eléctrica quedan problemas grandes, como mantener las condiciones durante mucho tiempo, desarrollar materiales resistentes y obtener energía útil y sostenida, y este trabajo no permite calcular cuándo llegará la fusión a la red.
El estudio completo se ha publicado en Nuclear Fusion.
Foto: General Atomics / DIII-D National Fusion Facility
