Het pad naar duurzame kernfusie: jagen op plasma-uitbarstingen

Kernfusie als oplossing voor de energiecrisis

De groeiende energiebehoefte door industrie, welvaart en bevolkingsgroei vormt een dringende uitdaging, waarbij de afhankelijkheid van fossiele brandstoffen klimaatverandering in de hand werkt. Dit probleem roept dan ook op tot betere en duurzamere energiebronnen.

Belgische kerncentrales - verouderd en omgeven door politieke verdeeldheid - roepen vragen op over de toekomst van energieproductie. Kernfusie, in tegenstelling tot kernsplijting, oogt een veilig alternatief te worden met weinig afval en geen risico op een reactor meltdown. Dit maakt het een interessante oplossing voor de energie- en duurzaamheidsuitdagingen in België en de wereld. Het wordt dan ook vaak gezien als de heilige graal in de wereld van energieproductie.

Foto: A Owen via Pixabay

Een voorbeeld om het wat concreter te maken: de zon is een kernfusiereactor. De gigantische bol plasma ondergaat constant kernfusie, een proces waarbij twee waterstofatomen worden samengesmolten tot één heliumatoom. Elke seconde wordt zo meer dan 600 miljoen ton helium gegenereerd. De energie die hierbij vrijkomt, in de vorm van licht, is essentieel voor het leven op aarde.

Trouble in paradise?

Een van de meest veelbelovende manieren om aan kernfusie te doen, is door gebruik te maken van een tokamak. Dit is een donutvormig apparaat dat plasma verwarmt tot het kernfusie ondergaat. Fusie in dit apparaat gaat echter gepaard met het optreden van Edge-Localized Modes (ELMs): plotselinge uitbarstingen van energie die de reactorwand kunnen beschadigen. Je kan ze een beetje vergelijken met een deksel op een kookpot dat trilt terwijl er stoom vrijkomt. Alleen is de stoom nu plasma van 150 miljoen graden Celsius dat dreigt de reactor te beschadigen.

Er gebeurt dan ook veel onderzoek naar deze mysterieuze verschijnselen. De eerste stap is de ELMs vinden, en zelfs dit blijkt zeer moeilijk. ELMs manueel vinden en aanduiden is traag en automatische methoden zijn niet goed genoeg. In deze thesis ontwikkelden Mateo Van Damme en Casper Haems automatische methoden die alle soorten ELMs effectief kunnen vinden.

Onderstaande foto toont de grootste tokamak-reactor ter wereld, genaamd JET. De meeste data in de thesis is afkomstig van dit apparaat. De reactorwanden van dit type reactor bestaan vaak uit exotische materialen, omdat ze bestand moeten zijn tegen extreem hoge temperaturen. Het repareren van schade aan deze reactorwanden is niet alleen kostelijk, maar ook het verwerven en verwerken van deze materialen is prijzig en veroorzaakt schadelijke emissies. Het is dus des te belangrijker om onderzoek te doen naar ELMs.

Figuur 3: JET tokamak reactor via EUROfusion/CC BY 4.0, https://www.euro-fusion.org/media-library/fusion-experiments/

Hoe helpt deze thesis?

Het hoofddoel van Haems en Van Damme was het ontwikkelen van algoritmen die in staat zijn om alle soorten ELMs te detecteren, ook de moeilijke gevallen. Ze pasten hiervoor technieken toe uit diverse disciplines, zoals computervisie, kunstmatige intelligentie en technieken voor het voorspellen van beurskoersen. Ook brachten ze de algoritmes onder in een goed ontworpen framework, waardoor nieuwe methoden snel kunnen worden ontwikkeld en bestaande methoden eenvoudig kunnen worden geëvalueerd.

Een bijkomend probleem is dat bestaande algoritmes vaak niet open source zijn. Dit wil zeggen dat niet iedereen er toegang tot heeft of toestemming heeft om ze te gebruiken. Haems en Van Damme besloten echter om alle methoden ontwikkeld binnen deze thesis open source vrij te geven. Het is toegestaan voor iedereen om de methoden verder aan te passen, te verspreiden en te gebruiken in onderzoek naar fusie en andere domeinen.

Verstoppertje met ELMs

Tokamak-reactoren werken in pulsen. Bij elke puls wordt er een enorme hoeveelheid data opgenomen als time series signalen. Een time series signaal bestaat uit een reeks van metingen die elk een waarde en een tijdstip hebben. Een voorbeeld hiervan is een dagboek waar je elk jaar je lengte in opschrijft met een datum erbij.

Haems en Van Damme gebruikten in hun thesis twee time series signalen. Enerzijds het “lichtsignaal”, wat aangeeft hoeveel licht het plasma uitzendt op een bepaald moment. Anderzijds ook het “energiesignaal”, dat een schatting aangeeft van hoeveel energie het plasma bevat op hetzelfde moment.

Hoe herken je een ELM?

Na veel onderzoek en debat tussen ELM-onderzoekers stelden zij een aantal kenmerken op waaraan je een ELM kan herkennen. Een eerste kenmerk is dat er een piek is in het lichtsignaal gedurende een honderdste van een seconde. Deze piek heeft een unieke vorm. Het begin van de piek gaat stijl omhoog terwijl het einde gradueel daalt. Met andere woorden, het plasma zal plots veel licht geven en geleidelijk aan zal de lichtsterkte weer zakken tot het normale niveau.

Een tweede kenmerk is dat het energiesignaal daalt tijdens de ELM. Hoe groter de afname in energie, hoe schadelijker de ELM. Energie kan namelijk niet verdwijnen, de energie uit het plasma komt terecht in de reactorwand die hierdoor beschadigd wordt.

Figuur: Voorbeeld van een typische ELM; Casper Haems en Mateo Van Damme

De methoden

De eerste methode die Haems en Van Damme ontwikkelden is genaamd ‘LoG’, en komt van uit de computervisie. Oorspronkelijk werd dit algoritme gebruikt om vlekken te vinden in een afbeelding, maar in wezen is een piek gewoon een speciaal soort vlek in één dimensie.

Het tweede algoritme dat ze ontwikkelden heet ‘LoGDoG’ en bouwt verder op LoG, maar kijkt ook naar het energiesignaal. Hier worden alleen ELMs gedetecteerd wanneer de energie afneemt. Hiermee verminderden ze de hoeveelheid false positives, wat betekent dat het algoritme denkt dat er een ELM plaatsvindt, terwijl dat in de realiteit niet zo is.

Verder is er de ‘CustomKernel’ methode, die berust op technieken uit digitale beeldverwerking. Het houdt rekening met de vorm van de piek om accurater ELMs te vinden.

Ze ontwikkelden ook ‘MACD’ en ‘RZS’, die gebruik maken van technieken toegepast in beursanalyse en zijn gebaseerd op traditionele financiële wiskunde. Naast het voorspellen van de beursprijs blijkt dat het ook mogelijk is om deze technieken in te zetten in het voorspellen van ELM. Ze gaven dan ook verrassend goede resultaten.

Tot slot ontwikkelden ze twee innovatieve methoden die de kracht van kunstmatige intelligentie benutten. De eerste AI-methode, genaamd ‘RNN’, maakt gebruik van een techniek die vaak gebruikt wordt voor stemherkenningssoftware. De andere methode, genaamd ‘CNN’, past technieken toe die oorspronkelijk ontwikkeld zijn voor objectherkenning uit foto’s. Deze AI-methoden vertegenwoordigen een vernieuwende stap voorwaarts in ELM-detectie.

Ze ontworpen dus algoritmes die aanzienlijk beter presteren dan de bestaande methodes en al actief in gebruik zijn voor onderzoek binnen Universiteit Gent. Er wordt ook nog verder onderzoek gedaan over dit onderwerp binnen de UGent.

Foto: http://www.iter.org/ , Deze afbeelding toont één sectie van de ITER tokamak die op dit moment wordt gebouwd.

Op naar ITER

De nieuwe grootste kernfusiereactor ter wereld, genaamd ITER, is momenteel in de constructiefase. Het is de bedoeling dat deze reactor met fusie meer energie produceert dan dat hij verbruikt, iets wat de huidige reactoren niet kunnen. Een van de uitdagingen die zal moeten worden opgelost is het aanpakken van ELMs.

Haems en Van Damme bieden met hun thesis open source methoden aan om ELMs automatisch te vinden, wat onderzoek naar ELMs versnelt. Zo slaagden ze er in om een stap te zetten richting duurzame kernfusie