Local blog for Italian speaking developers
Ero al lavoro e stavo per azionare un acceleratore al plasma da diversi megawatt...
16 agosto 2017
Pubblicato da Ted Baltz, Senior Staff Software Engineer, Google Accelerated Science Team
Cosa intendi? Perché Google sarebbe interessata alla fisica del plasma?
Google è sempre interessata a risolvere complessi problemi ingegneristici, e pochi sono più complessi della
fusione
. I fisici hanno provato fin dagli anni cinquanta a controllare la fusione degli atomi di idrogeno in elio (lo stesso processo che alimenta il Sole). La chiave per sfruttare questa energia è confinare i plasmi di idrogeno per un
periodo sufficiente
a ottenere una quantità di energia dalle reazioni di fusione maggiore di quella originaria per raggiungere il cosiddetto punto di "breakeven". Se funzionasse, potrebbe essere una svolta tecnologica e fornire un’abbondante fonte di energia a zero emissioni di carbonio.
Attualmente esistono numerosi progetti di ricerca accademica e governativa in materia di fusione. Per nominarne un paio, nel campo della fusione sono stati creati i reattori
Tokamak
come
ITER
e quelli
Stellarator
come
Wendelstein 7-X
. La progettazione dello Stellarator risale al 1951, quindi a parecchio tempo fa. Se ti piacciono i laser giganti, allora parliamo della
National Ignition Facility
che utilizza laser per produrre raggi X e generare reazioni di fusione. Finora, nessuno di questi ha raggiunto un punto di breakeven economico.
Tutte queste iniziative comportano esperimenti complessi con molte variabili, offrendo così l'opportunità a Google di intervenire, visto che il nostro punto di forza è proprio il computing e il machine learning. Oggi abbiamo pubblicato “
Achievement of Sustained Net Plasma Heating in a Fusion Experiment with the Optometrist Algorithm
” nei
Scientific Reports
. Questo paper descrive i primi risultati della collaborazione di Google con i fisici e gli ingegneri di
Tri Alpha Energy
, che costituisce un passo importante verso l'obiettivo del breakeven.
Hai appena detto di aver azionato un acceleratore al plasma?
Sì. Tri Alpha Energy sfrutta un sistema particolare di contenimento del plasma, detto
Field-reversed configuration
, che si prevede sia
più
stabile con l’aumento di energia, a differenza di altri metodi in cui i plasmi diventano più difficili da controllare se riscaldati. Tri Alpha ha costruito un gigantesco dispositivo per la produzione di plasma ionizzato, C-2U, che occupa l’intero magazzino di un normalissimo complesso di uffici. Il plasma, che questa macchina genera e confina, mostra comportamenti non lineari. Il dispositivo stesso va oltre i confini noti per quanto riguarda l’energia elettrica applicata per generare e confinare il plasma in uno spazio così piccolo per un intervallo così breve. È una macchina complessa con più di 1.000 manopole e interruttori, un investimento (non il nostro!) di oltre 100 milioni di dollari per studiare la produzione di energia pulita. La posta in gioco è alta per questo problema di ottimizzazione che mira a risolvere sia le prestazioni del plasma sia le limitazioni dei macchinari. Ed è qui che entra in gioco Google.
Vista di C-2U
Perché non si può semplicemente simulare ciò che succederà? Questa non è semplice fisica?
Non si tratta di “
semplici
” simulazioni che adoperano la
magnetoidrodinamica
. Anche se queste macchine funzionassero entro quei limiti (ma non lo fanno), le simulazioni rendono le simulazioni di
dinamica dei fluidi
un gioco da ragazzi! La realtà è molto più complicata, poiché la temperatura dello ione è tre volte superiore alla temperatura dell'elettrone, per cui il plasma è ben lontano dal suo equilibrio termico e anche l'approssimazione del fluido non è valida, pertanto bisogna tenere traccia
almeno di
alcuni
dei
trilioni e passa di
particelle individuali
, e quindi questo processo va ben oltre ciò che sappiamo fare, anche sfruttando risorse di computing sulla scala di Google.
Allora perché lo facciamo? Esperimenti veri! Con atomi e non bit! A Google ci piace
sperimentare
e ottimizzare. Abbiamo pensato che sarebbe stato interessante vedere se riuscivamo ad aiutare Tri Alpha. Effettuano un “sparo” del plasma nel dispositivo C-2U ogni otto minuti. Ogni sparo consiste nella creazione di due onde di plasma ruotanti nella cavità sottovuoto di C-2U, facendole urtare alla velocità di oltre 600.000 miglia orarie e creando un pallone più grande, più caldo di plasma ruotante continuamente bombardato da fasci di particelle (atomi di idrogeno neutri) che mantengono la rotazione grazie a campi magnetici della durata massima di 10 millisecondi. Si cerca di verificare sperimentalmente se le
field-reversed configuration di plasma
di questi fasci avanzati si comportino come previsto nella teoria. In caso affermativo, questo potrebbe portare alla fusione con breakeven energetico.
Otto minuti sembrano lunghi (il periodo necessario a C-2U per raffreddarsi, ricaricarsi e prepararsi per un altro sparo di 10 ms), ma quando sei seduto nella sala di controllo durante una campagna sperimentale, passano davvero in fretta. Ci sono gli output del sensore da controllare per cercare di capire il comportamento del plasma. Prima che te ne accorga, gli alimentatori si sono ricaricati e sono pronti per un altro ciclo!
Cosa c’entra questo con l’ottimizzazione? Cosa stai ottimizzando?
Il problema è che non è del tutto chiaro cosa sia una buona prestazione per il plasma. Tri Alpha vanta alcuni dei migliori fisici del plasma al mondo ma persino loro non sono d'accordo su cosa sia una "buona prestazione". Possiamo ridurre i comandi del dispositivo ad approssimativamente "solo" 30 parametri ma quando dobbiamo attendere otto minuti a esperimento, diventa un problema piuttosto complicato pur avendo un obiettivo concreto. Inoltre, non è del tutto noto quali siano i limiti di funzionamento affidabili del dispositivo giorno per giorno, perché continuano a variare in base alla qualità del vuoto che cambia e gli elettrodi che si esauriscono e...
Quindi abbiamo sintetizzato il problema così: cerchiamo di trovare i comportamenti del plasma che un fisico esperto pensa siano interessanti e, al tempo stesso, cerchiamo di non danneggiare la macchina. Abbiamo sviluppato l'Algoritmo Optometrist, che è una sorta di
Markov Chain Monte Carlo
(MCMC), in cui la funzione di probabilità esplorata è nella mente del fisico piuttosto che essere scritta esplicitamente. Come nel caso di una prescrizione per occhiali, l'algoritmo presenta all'esperto (un essere umano) le impostazioni della macchina e i risultati associati. Può solo basare il suo giudizio su ciò che è interessante e ciò che è nocivo per la macchina, ad esempio "Quella collisione iniziale sembrava veramente forte" o "L’edge biasing funziona bene ora!" o "Fantastico! Ma la corrente dell'elettrodo era troppo alta, riduciamola!". Il miglioramento fondamentale è stato fornire una tecnica per cercare efficientemente nello spazio ad alta dimensione dei parametri della macchina.
Mi piace l’MCMC!
Sapevo che ti sarebbe piaciuto. Grazie a questa tecnica abbiamo scoperto qualcosa di veramente interessante. Come descritto nel nostro
paper
, abbiamo trovato un regime in cui i fasci di particelle neutre che scaricano l'energia nel plasma erano in grado di bilanciare completamente le perdite dovute al raffreddamento e pertanto l'energia totale del plasma è aumentata
dopo
la formazione. È stato solo per circa 2 millisecondi, ma era la prima volta! Poiché l’aumento di energia dovuto al riscaldamento del fascio neutro non era previsto per C-2U, sarebbe stato difficile inserirlo in una funzione obiettivo. C’era davvero bisogno di un essere umano per notarlo. Questo è il classico esempio di persone e computer che lavorano insieme meglio di quanto non avrebbero fatto separatamente. È come quando pensi di avere un problema di ottimizzazione e ottimizzi l'obiettivo, di solito ti basta guardare il risultato per dire: "No, no, no, non è quello che intendevo", aggiungere un altro termine e ripetere questa operazione fino a quando non ne puoi più.
A me non è successo. Questa settimana. Non ancora.
Sì, abbiamo appena eliminato l'iterazione e lasciato che l'esperto si basasse sul proprio giudizio. L’
apprendimento dalle preferenze umane
sta diventando sempre più diffuso. Google e Tri Alpha hanno formato una bella squadra per risolvere un problema davvero importante.
E ora?
Tri Alpha ha appreso tutto ciò che poteva da C-2U e quindi lo ha smantellato. Ha costruito il nuovo dispositivo chiamato Norman (in onore del cofondatore
Norman Rostoker
) nello stesso magazzino. È molto più potente per quanto riguarda l’accelerazione del plasma e i fasci di particelle neutre. Ha anche un sistema più sofisticato per tenere il plasma nell’area centrale. Il contenitore a pressione, gli acceleratori, le banche di condensatori e gli alimentatori coprono tutto il pavimento in cemento dell'edificio.
Tri Alpha ha da poco ottenuto il "primo plasma” con questo dispositivo e spera, con il nostro supporto, di verificare la previsione teorica che ipotizza che il plasma effettivamente si comporti meglio nel regime "burning plasma". Se otterrà questo scopo nei prossimi 18 mesi, sarà molto più probabile che la Field-reversed configuration diventi un approccio valido per la fusione al punto di breakeven. In tal caso, Tri Alpha cercherà di costruire un altro progetto: un vero e proprio generatore di energia a scopi dimostrativi. E quello non ci entrerà in magazzino!
Riconoscimenti
Vogliamo ringraziare John Platt, Michael Dikovsky, Patrick Riley e Ross Koningstein di Google per il contributo significativo a questo lavoro. Ringraziamo i membri del
Team Google Accelerated Science
per il loro continuo supporto. Siamo anche grati a tutto il team di Tri Alpha per averci dato l'opportunità di lavorare sull'ottimizzazione di questo importante problema.
Etichette
Android
Firebase
machine learning
Google Cloud Platform
GDL
Eventi
Google Developers Live
Google Play
TensorFlow
App
Chrome
Cloud
api
GDLItalia
GDE
GDG
Google Assistant
iOS
Kotlin
Actions on Google
Deep Learning
AppEngine
AMP
BigQuery
Cloud Functions
Flutter
Android Studio
Google Developers Expert
Università
Google AppEngine
JavaScript
AI
Android Wear
GAE
Google Play Store
HTML5
Maps
security
Android App Development
AngularJS
IoT
Kubernetes
Annunci
Cloud Firestore
Cloud Machine Learning
Google I/O
Polymer
Android Things
Community
DevTools
Google App Engine
intelligenza artificiale
Entrepreneurship
Firebase Analytics
GSoC
Games
Google Cast
ML
open source
Crashlytics
Dart
Diversity
Drive
Google Data Studio
Google Play Games
TensorFlow Lite
Android Developers
Android O
Cloud Spanner
Cloud TPU
Compute Engine
DevFest
Google Compute Engine
Google Developers
Material Design
Mobile
PWA
Python
Startup
AIY Project
ARCore
Android Jetpack
AndroidDev
Androidq
Apps Script
Artificial Intelligence
Augmented Reality
Firebase Cloud Messaging
Google Cloud
Google Maps
Gsuite
IO19
ML kit
Research
VR
coding
unity
#io19
AR
Android Dev Summit
Android Developer
Android Q
Cardboard
Cloud AI
Coral
Developers
Dialogflow
Firebase Realtime Database
Gmail
Google AI
Google Cloud Messaging
Google ContainerEngine
Google Play Console
Kotlin Coroutines
NLP
Programming
Responsive Design
TensorFlowjs
Testing
WTM
Women
beacons
cloud storage
developer
node JS
student programs
women techmakers
API Cloud Vision
Add-ons
Android P
AndroidDevStory
Animation
AutoML
Brillo
Classroom
DSC
Database
Developer Student Clubs
Edge TPU
Fabric
Featured
Flutter Web
G Suite
GWT
GoLang
Google
Google Brain
Google Cloud Next
Google Container Engine
Google Developer Groups
Google I/O Extended
Graph
Hosting
Instant Apps
Keras
Livedata
Mobile Sites
Prediction
Privacy
Project Tango
SDK
Stackdriver
Tales
UI
Udacity
Virtual Reality
Web
Web Development
YouTube
analytics
android security
api.ai
courses
google io
indies
natural language processing
reti neurali
sign-in
young developers
2d Animation
3d
AIY
ARkit
Adversarial Learning
Alpha
Android App
Android App Developmen
Android App bundle
Android Architecture
Android Architecture Components
Android Auto
Android Automotive OS
Android Dev Summit Android Developer
Android Developer Challenge
Android Developers GooglePlayAwards
Android Development
Android Go
Android Instant App
Android Pie
Android Q Scoped Storage
Android Q audio
Android Styles
Android audio playback capture
Android codelabs
AndroidTV
AndroidX
Angular
Aogdevs
Api Design
App Development
App Distribution
Apps
Architecture
Architecture Components
Arduino
Best Practices
Betatesting
Bugs
C++
Certification
Cloud Anchors
Cloud Next
Cloud Run
Cloud Service Platform
Cloud Shell
Cloud Study Jam
Coached Conversational Preference Elicitation
Commerce
Community Connector
Computer Science
Consistency
Containers
Converge
Conversation Design
Crash Reporting
DLS Design
Dagger
Data Science
Databases
Dependency Injection
Design
Developer Communities
Developer Community
Developer Culture
Developer Story
Developing Media Apps
Development
Eager
Edge TPU Dev Board
Education
Emulatore Android
Error Message
Eslint
Europe
Firebase Extensions
Firebase Summit 2019
Firebasehosting
Flutter 1.5
Flutter at IO
FlutterDark
GCE
GDD
Game Development
Gboard
Gesture Navigation
Glass
Go
Google AI Quantum
Google App Script
Google Cloud Functions
Google Cloud billing
Google Coral
Google Developer Days
Google Home Hub
Google IOS Android
Google Identity Platform
Google Launchpad
Google Lens
Google Now
Google Photos
Google Play Devs
Google Play Indie Games Festival
Google Play Instant
Google Plus
Google codelabs
Google+
GoogleDevWeekly
GoogleLaunchpad
GooglePlay
Graphics
Healthcare
I/O
IO
IO19 Flutter
In-app Billing
Indie Games
Indie Games Festival
Indie games showcase
Indie showcase
Ingress
Instant Games
Issues
Java
Jetpack
Knative
Kotlin Beginners
Kotlin Everywhere
Kotlin codelabs
Lighthouse
Live Caption
Live Streaming
Localization
Location
M-Theory
Mondaygram
Monetization
NYT
NativeScript
Navigation
Neural Graph Learning
Neural Structured
Nodejs
OS
OS Updates
Olivex
One Time Codes
Online Education
PHA
Performance Monitoring
Policy
Posenet
Project Mainline
Project Treble
Quantum Computing Theory
Reactive Programming
Regression
Remote Config
Resonance Audio
Room
Scoped Storage
Semantics
Semi Supervised Learning
Serverless
Sms Retriever Api
Sms Verification
Speech Recognition
Swift
Tensorflow Core
Tensorflow Hub
Test Lab
Text
Tokenizer
Tpu
Transformers
UX
UX Design
UX Research
Universal Sentence Encoder
Unsupervised Data Augmentation
Unsupervised Learning
User Experience
Viewmodel
Voice
WWW
Wear OS
WebAssembly
Widget
Women in Tech
WomenTechmakers
android kotlin
app stability
assistant
audio recording
augmented faces
authsub
best practices and updates
billing
botnet
business
c++ games
cancer
chatbot
chrome privacy
codelab
codelabs
competition
daydream
designer
dominio .dev
error handling
event
firebase games
firebase gdc
firebase hosting
firebase unity
game center authentication
game testing
games authentication
gdc
google summer of code
googledevelopers
grow
hashcode
indie
indie developers
internship
kids
machine intelligence
machine learning accelerator
maker
multi-platform
nearby
oauth
openid
performance
persistent AR
privacy sandbox
prizes
prototype
purchase flows
queries
realtime
responsible AI
security rules
showcase
solutions challenge
startup africa roadtrip
startup times
students
summer of code
unity crashlytics
verify apps
win
Archivio Blog
2020
feb
gen
2019
dic
nov
ott
set
ago
lug
giu
mag
apr
mar
feb
gen
2018
dic
nov
ott
set
ago
lug
giu
mag
apr
mar
feb
gen
2017
dic
nov
ott
set
ago
lug
giu
mag
apr
mar
feb
gen
2016
dic
nov
ott
set
ago
lug
giu
mag
apr
mar
feb
gen
2015
dic
nov
ott
set
ago
lug
giu
mag
apr
mar
feb
gen
2014
dic
nov
ott
set
ago
lug
giu
mag
apr
mar
feb
gen
2013
dic
nov
ott
set
ago
lug
giu
mag
apr
mar
feb
gen
Feed
Follow @GoogleDevsItaly