Résultats de recherche

Le cadre d'intelligence artificielle PACMAN des États-Unis réalise un contrôle à l'échelle de la milliseconde du plasma de fusion

Le cadre d'intelligence artificielle PACMAN, développé par des chercheurs du Laboratoire de physique des plasmas de Princeton (PPPL) du Département de l'énergie des États-Unis et de l'Université de Princeton, a fait l'objet de cinq validations expérimentales dans des systèmes expérimentaux de fusion réels. Ce cadre peut effectuer le traitement des données, la prédiction d'état et la sortie d'instructions de contrôle en environ 20 millisecondes, afin de faire face aux instabilités à évolution rapide dans le plasma de fusion. Il s'agit d'une représentation artistique du cadre d'intelligence artificielle du système de fusion PACMAN. (Source de l'illustration : Kyle Palmer / Service de communication du PPPL) PACMAN signifie « Prédiction et Contrôle basés sur l'Apprentissage Machine ». La conception associée et les résultats expérimentaux préliminaires ont été publiés dans...

2026-09-03

Un cadre d'apprentissage automatique prédit les micro-déplacements des bobines du dispositif de fusion DIII-D

Des chercheurs du Thomas Jefferson National Accelerator Facility (Jefferson Lab) du Département de l'énergie des États-Unis (DOE) et leurs collaborateurs ont développé un cadre d'apprentissage automatique capable de prédire les infimes variations des composants critiques d'un dispositif de fusion avant le début de l'expérience suivante. Cette méthode est destinée au DIII-D National Fusion Facility situé à San Diego, et les résultats ont été publiés dans la revue *Machine Learning with Applications*. Structure interne du tokamak du DIII-D National Fusion Facility. (Image fournie par General Atomics) Le DIII-D est un tokam...

2026-08-17

Sophelio lance le Défi de l'équilibre de fusion, ouvrant les ensembles de données expérimentales DIII-D et MAST

Le 11 août, Sophelio a lancé le Défi de l'équilibre de fusion (Fusion Equilibrium Challenge). Cette compétition a été intégrée au volet compétition de la Conférence sur les systèmes de traitement de l'information neuronale (NeurIPS) 2026, devenant ainsi le premier défi lié à l'énergie de fusion à rejoindre ce volet. Organisé conjointement par Sophelio, l'installation nationale de fusion DIII-D (DIII-D National Fusion Facility), le projet FAIR-MAST de l'Autorité britannique de l'énergie atomique (UKAEA) et l'Institut de recherche sur la fusion (IFS) de l'Université du Texas à Austin, le défi héberge ses données sur la plateforme Hugging Face. Ouvert à la communauté mondiale de l'apprentissage automatique, il exige...

2026-08-12