Una red neuronal lee el futuro del plasma exprés

Original: "Machine learning prediction of plasma behavior from discharge configurations on WEST"
arXiv:2602.19110 · 2026-02-22 · CC BY 4.0 · 1 min
En una décima de segundo, el modelo predice cómo se comportará el plasma en un tokamak, antes incluso de que comience la descarga.

Antes de cada arranque de un tokamak —el dispositivo donde un gas sobrecalentado se mantiene confinado por un campo magnético—, los operadores pasan horas calculando cómo se comportará el plasma. Equivocarse es demasiado caro: un solo parámetro incorrecto puede arruinar el experimento. Ahora, una red neuronal acude al rescate: aprende de los lanzamientos anteriores y da su pronóstico más rápido que un parpadeo.

El modelo funciona como un cocinero experimentado: conociendo la receta (corriente en las bobinas, potencia de calentamiento, densidad del gas), predice cómo quedará el plato: cuán caliente y estable será el plasma. En lugar de horas de cálculo en un superordenador, la respuesta llega en 0,1 segundos. Para entrenarlo se usaron datos de 550 descargas del tokamak WEST en Francia.

La precisión del modelo es del 94%. Es como predecir la estatura de una persona por la talla de su zapato, pero para la física del plasma.

Esa velocidad abre nuevas posibilidades: se pueden probar rápidamente distintos escenarios de arranque, descartar opciones peligrosas e incluso ajustar los parámetros durante la propia descarga. La energía de fusión es como un baile complejo donde cada paso debe estar medido. La red neuronal se convierte en la pareja que te susurra el siguiente movimiento un instante antes de que suene la música.

El tokamak WEST debe su nombre a la palabra inglesa «west» (oeste), porque es la rama de Europa occidental del proyecto internacional ITER.

Científicos
Erwin SchrödingerHugh Everett III
Conceptos
tokamak confinamiento de plasma potencial interatómico aprendido por máquina aprendizaje automático tasa de aprendizaje entrenamiento transporte de calor