Deep Reinforcement Learning aplicado a un módulo experimental del acelerador de IFMIF-DONES

Abstract

Aunque la fusión nuclear tiene el potencial de ser una fuente de energía renovable y limpia, su extracción se enfrenta a desafíos importantes, como el estudio de los efectos de la irradiación de neutrones en los materiales del reactor. Con el objetivo de resolver este problema, el proyecto IFMIF-DONES busca construir una instalación para generar un espectro de neutrones similar al de una reacción de fusión nuclear. Dichos neutrones se producen por la colisión de un haz de deuterones acelerado a altas energías contra un blanco de litio. En este trabajo, se investiga la aplicación de la Inteligencia Artificial al control autónomo del acelerador lineal de IFMIFDONES. En concreto, se desarrolla y valida la metodología necesaria para el control de la posición y las configuraciones geométricas del haz mediante algoritmos Deep Reinforcement Learning. Los resultados obtenidos en esta fase inicial del proyecto son alentadores y respaldan la efectividad de este enfoque, ya que los agentes entrenados logran alcanzar cualquier configuración geométrica de manera óptima y dentro de las tolerancias predefinidas.