La fusione nucleare non è più “sempre a trent’anni di distanza”. L’intelligenza artificiale sta comprimendo quella distanza in modo concreto, portando risultati misurabili nei laboratori e nei centri di ricerca pubblici e privati di tutto il mondo. Non è un annuncio: è una tendenza documentata da studi pubblicati su Nature, Nuclear Fusion e dai Proceedings of the National Academy of Sciences.
I progressi più tangibili riguardano il controllo del plasma, il punto dove l’IA dimostra un vantaggio netto rispetto agli approcci tradizionali. Al DIII-D National Fusion Facility, ricercatori del Dipartimento dell’Energia americano hanno addestrato un algoritmo di deep reinforcement learning per regolare i campi di confinamento magnetico in tempo reale, prevenendo le instabilità di strappo del plasma prima ancora che si formino. Il sistema integra i segnali di centinaia di sensori e risponde in modo adattivo a qualsiasi condizione misurata, senza affidarsi a risposte pre-programmate. Un salto qualitativo rispetto ai metodi convenzionali, che potevano solo sopprimere le instabilità dopo la loro comparsa.
A Princeton, il team del Princeton Plasma Physics Laboratory ha dimostrato che l’apprendimento automatico riesce a sopprimere le instabilità di bordo del plasma — i cosiddetti ELM, eventi energetici che possono danneggiare le pareti del reattore — senza perdere performance. Lo stesso approccio ha funzionato su due impianti diversi, con parametri operativi differenti. Il tempo di calcolo, che nei metodi tradizionali richiedeva decine di secondi, è stato ridotto a millisecondi. La Boston University ha percorso una strada parallela: i ricercatori hanno pubblicato su PNAS un modello basato sul Fourier Neural Operator (FNO) che incorpora la fisica cinetica in un modello fluido, riproducendo i risultati delle simulazioni cinetiche complete a una frazione del costo computazionale. Le simulazioni ad alta fedeltà del plasma diventano così accessibili su scala molto più ampia.
Il quadro globale non riguarda solo gli Stati Uniti. Microsoft Research collabora con ITER — il più grande dispositivo sperimentale di fusione al mondo, in costruzione nel sud della Francia — per identificare dove l’IA può modellare esperimenti futuri e ottimizzare il design e le operazioni dell’impianto. La Cina usa reti neurali addestrate su vasti dataset di plasma per migliorare la velocità di misura di un fattore dieci. Due nuovi modelli di IA sviluppati nel 2025 — un sistema di predizione delle disruzioni con accuratezza del 94% e uno strumento di classificazione degli stati del plasma con il 96,7% di precisione — sono stati pubblicati sulle principali riviste del settore e rappresentano un passo verso sistemi di controllo completamente automatizzati nei futuri impianti.
L’MIT ha condotto per l’IAEA la prima modellazione globale del dispiegamento dell’energia da fusione: la generazione passerebbe da 2 TWh nel 2035 a 375 TWh nel 2050, fino a quasi 25.000 TWh entro il 2100. Numeri che dipendono in larga misura dalla capacità di progettare, costruire e gestire reattori con efficienza crescente — esattamente ciò che l’IA ora consente. Il segretario all’Energia americano Chris Wright ha definito l’effetto catalitico dell’intelligenza artificiale sulla fusione come difficile da sovrastimare. Se le traiettorie attuali tengono, entro la fine del decennio il contributo dell’IA non sarà più un argomento di dibattito: sarà parte integrante dell’ingegneria di ogni nuovo impianto.
