Quando si parla di fusione nucleare, quasi tutta l’attenzione finisce sul plasma: temperature estreme, magneti giganteschi, record di energia e la promessa di riprodurre sulla Terra una parte del processo che alimenta le stelle. Ma un reattore commerciale non dovrà soltanto creare il plasma. Dovrà controllarlo continuamente, interpretare migliaia di sensori, reagire a instabilità in frazioni di secondo e coordinare sistemi fisici molto diversi senza danneggiare una macchina che potrebbe costare miliardi.
È su questo livello meno spettacolare ma essenziale che vuole lavorare Fusionality, startup britannica fondata da due ex ricercatori di Google DeepMind, Jonas Buchli e Brendan Tracey. La società sta costruendo software e sistemi di controllo destinati agli sviluppatori di reattori a fusione e ha raccolto un primo round guidato da Project A con la partecipazione di diversi investitori deep-tech.
DeepMind aveva già dimostrato che l’AI può controllare il plasma
Il legame tra intelligenza artificiale e fusione non nasce oggi. Nel 2022 DeepMind e il Swiss Plasma Center dell’EPFL pubblicarono su Nature un lavoro nel quale un sistema di reinforcement learning controllava direttamente le bobine magnetiche del tokamak TCV, riuscendo a mantenere e modellare diverse configurazioni di plasma.
Quel risultato era importante perché il controllo di un tokamak è un problema dinamico estremamente complesso. Le bobine magnetiche devono essere regolate continuamente e le decisioni dipendono dallo stato del plasma, che evolve rapidamente. Invece di progettare manualmente un controller separato per ogni configurazione, l’algoritmo imparava una politica di controllo attraverso simulazioni.
Un reattore commerciale avrà bisogno di molto più di un buon controller
Passare da un esperimento di ricerca a una centrale significa moltiplicare la complessità. Il sistema dovrà integrare diagnostica, magneti, riscaldamento, alimentazione, vuoto, gestione termica e protezione dei componenti. Dovrà inoltre distinguere tra variazioni normali e segnali che anticipano un evento capace di interrompere il plasma o danneggiare il reattore.
Fusionality vuole costruire una piattaforma che combini simulazione, machine learning, controllo e strumenti software per aiutare le aziende di fusione a progettare e validare questi sistemi prima che l’hardware definitivo esista. È una strategia interessante perché il settore contiene numerose startup che stanno sperimentando architetture differenti: tokamak, stellarator, sistemi inerziali e altre configurazioni. Non tutte avranno bisogno dello stesso software, ma tutte avranno bisogno di controllo.
La fusione può creare una nuova categoria di software industriale
Le centrali tradizionali utilizzano già sistemi di controllo sofisticati, ma la fusione aggiunge un livello di dinamica che rende particolarmente interessante l’uso di modelli predittivi e apprendimento automatico. Il software può analizzare segnali ad alta frequenza, prevedere condizioni instabili e scegliere azioni correttive prima che il problema diventi evidente a un operatore.
Questo non significa consegnare una centrale nucleare a un modello opaco. In un sistema safety-critical l’AI dovrà convivere con limiti verificabili, controlli deterministici e procedure di sicurezza indipendenti. La sfida sarà usare l’apprendimento automatico dove offre vantaggi senza rendere impossibile dimostrare che il sistema rimane entro condizioni accettabili.
La simulazione è il vero laboratorio
Un ostacolo particolare della fusione è che non esistono ancora migliaia di centrali da cui raccogliere dati operativi. Addestrare algoritmi richiede quindi simulatori capaci di rappresentare abbastanza bene il comportamento della macchina. È lo stesso principio utilizzato in robotica e guida autonoma, ma con fenomeni fisici ancora più estremi.
Più il simulatore è accurato, più è possibile testare condizioni rare o pericolose senza rischiare l’hardware. Il problema del cosiddetto sim-to-real rimane però decisivo: una politica che funziona perfettamente in simulazione può fallire se il modello non rappresenta una dinamica reale. Per questo il software dovrà essere continuamente confrontato con dati sperimentali.
Una startup “picks and shovels” per una corsa molto incerta
Investire direttamente in un reattore a fusione significa scommettere su una specifica architettura fisica e su tempi di commercializzazione ancora incerti. Costruire strumenti di controllo può essere una strategia diversa: vendere tecnologia a più sviluppatori, indipendentemente da quale progetto arrivi per primo a una centrale funzionante.
È la logica delle aziende che durante una corsa all’oro vendono pale e picconi. Non elimina il rischio, perché se la fusione commerciale tardasse molto anche il mercato del software crescerebbe lentamente, ma riduce la dipendenza da un singolo design.
Il vero test arriverà quando l’AI dovrà essere affidabile, non brillante
Nel mondo consumer un modello viene spesso valutato per quanto bene risponde in media. In un reattore energetico contano soprattutto gli eventi rari. Un sistema che funziona nel 99,9% dei casi può essere inadeguato se lo 0,1% restante coincide con condizioni critiche.
Fusionality dovrà quindi lavorare su una forma di AI molto diversa da quella dei chatbot: meno interessata alla creatività, più alla prevedibilità, alla latenza e alla capacità di essere validata. È uno dei motivi per cui la fusione può diventare un banco di prova interessante per l’intelligenza artificiale industriale.
Accendere una stella non basta: bisogna anche governarla
La ricerca sulla fusione ha compiuto progressi reali, ma nessuna centrale commerciale sta ancora fornendo elettricità alla rete e i calendari delle aziende restano ambiziosi e incerti. Sarebbe quindi prematuro presentare Fusionality come il software di una futura industria già esistente.
La sua intuizione, però, è solida: se la fusione arriverà davvero alla produzione elettrica, il reattore sarà contemporaneamente una macchina di fisica estrema e un sistema informatico. Il plasma potrà essere il cuore, ma sensori, modelli e controller saranno il sistema nervoso. Costruirlo in anticipo potrebbe rivelarsi importante quasi quanto riuscire ad accendere la reazione.
