Imaginez un monde où nous pourrions exploiter la même puissance qui alimente les étoiles, un processus connu sous le nom de fusion nucléaire. Pour réaliser cela, les scientifiques construisent de massives machines en forme de beignet appelées tokamaks. À l'intérieur de ces machines, un gaz surchauffé, ou plasma, est comprimé par des champs magnétiques puissants jusqu'à ce qu'il fusionne, libérant d'énormes quantités d'énergie. Le défi est que ce plasma est incroyablement chaotique et instable. Pour le maintenir confiné et en sécurité, les chercheurs s'appuient sur un vaste éventail de capteurs qui agissent comme le système nerveux de la machine. Ces capteurs mesurent constamment tout, de la température et de la pression du gaz à la force des champs magnétiques qui maintiennent l'ensemble. Pendant des décennies, les scientifiques ont utilisé ces données pour prédire quand le plasma pourrait devenir instable et pour contrôler la machine en temps réel. Cependant, alors que l'objectif passe à la construction d'une véritable centrale électrique autonome, le volume et la variété de ces données sont devenus écrasants, créant un nouveau type de casse-tête que les programmes informatiques traditionnels peinent à résoudre.

Une équipe de chercheurs de l'Université de Princeton a porté un regard neuf sur ce problème de données, en se concentrant sur la manière de les organiser pour la prochaine génération d'intelligence artificielle. Ils explorent l'utilisation de « modèles de fondation », un type de programme informatique avancé qui apprend des schéèmes généraux à partir de quantités massives d'informations, tout comme les grands modèles de langage apprennent à comprendre le langage humain. Bien que ces modèles aient révolutionné des domaines comme le langage et la reconnaissance d'images, appliquer ces modèles à la fusion nucléaire est difficile car les données ne sont pas uniformes. Dans une expérience de fusion typique, la machine génère un mélange chaotique d'informations : certains capteurs prennent des mesures simples et lentes d'une valeur unique, tandis que d'autres capturent des instantanés complexes et rapides d'ondes et de motifs. Les chercheurs ont découvert que tenter d'injecter ces données désordonnées et mixtes directement dans un modèle informatique revient à essayer de verser un seau de sable, un verre d'eau et une poignée de cailloux dans un seul entonnoir à la fois ; les différents matériaux ne s'écoulent tout simplement pas bien ensemble.

Pour comprendre l'ampleur du défi, l'équipe a analysé les données du tokamak DIII-D, un important installation de recherche sur la fusion. Ils ont répertorié vingt-trois types différents de mesures, allant de simples lectures de courant à des images complexes et des motifs d'ondes semblables à des sons. Ils ont découvert que les données varient considérablement en vitesse. Certains capteurs enregistrent des informations seulement quelques fois par seconde, tandis que d'autres capturent des milliers d'instantanés chaque seconde. Cette différence s'étend sur cinq ordres de grandeur, ce qui signifie que les capteurs les plus rapides sont environ cent mille fois plus rapides que les plus lents. De plus, les données proviennent de formes différentes. Certaines mesures ne sont que une seule ligne de chiffres changeant au fil du temps, d'autres sont des grilles bidimensionnelles qui ressemblent à des cartes thermiques, et certaines sont des blocs de données tridimensionnels qui montrent comment les ondes se déplacent à travers le plasma. Si un modèle informatique tente d'apprendre de toutes ces données à la fois, il risque d'être confondu par le volume énorme des données à mouvement rapide, ignorant potentiellement les signaux plus lents, mais tout aussi importants, qui racontent l'état de santé global de la machine.

Les chercheurs ont également constaté que la physique à l'intérieur de la machine change constamment et de manière imprévisible. Le plasma ne se comporte pas de manière stable et prévisible ; au contraire, ses propriétés changent en de minuscules fractions de seconde à cause de la turbulence, tandis que la forme globale du plasma évolue sur des périodes beaucoup plus longues. Cela signifie que les méthodes standards de nettoyage et de préparation des données, qui supposent souvent un arrière-plan stable, échouent à capturer la véritable nature du système. L'équipe a réalisé que pour construire un modèle de fondation réussi, ils ne peuvent pas simplement jeter toutes les données dans un seul tas. Au lieu de cela, ils doivent décider soigneusement comment découper les données dans le temps. S'ils regardent une fenêtre de temps très courte, ils peuvent voir clairement les ondes rapides et chaotiques, mais ils manquent la vision d'ensemble de l'évolution de la machine. S'ils regardent une fenêtre plus longue, ils voient les changements lents mais perdent le détail des fluctuations rapides.

À travers leur analyse, l'équipe a proposé une stratégie spécifique pour organiser ces données afin de les rendre utilisables pour ces modèles avancés. Ils ont suggéré qu'une fenêtre de temps d'environ cent millisecondes sert de l'équilibre pratique. Cette durée est assez longue pour capturer les mouvements lents et réguliers du plasma, mais assez courte pour voir encore les ondes rapides et importantes. Ils ont également recommandé une méthode pour gérer les différentes vitesses des capteurs. Plutôt que de forcer toutes les données à fonctionner à la même vitesse, ce qui ferait perdre des détails importants à haute vitesse ou créerait une quantité ingérable de données à basse vitesse, ils ont proposé une approche de traitement flexible. Selon l'architecture de modèle spécifique utilisée, ils ont suggéré soit de précalculer des représentations complexes comme des spectrogrammes à partir de formes d'ondes brutes pour réduire le volume de données, soit de traiter les données à la volée en extrayant des fenêtres temporelles et en appliquant la normalisation et l'augmentation pendant que le modèle s'entraîne. Cette approche permet à l'ordinateur d'apprendre des capteurs rapides et des capteurs lents simultanément sans les forcer dans un moule unique et artificiel.

L'étude conclut que bien que le chemin vers un avenir alimenté par la fusion soit complexe, les données nécessaires pour y parvenir deviennent plus accessibles si elles sont organisées correctement. Les chercheurs n'ont pas construit une centrale de fusion fonctionnelle dans cette étude, et n'ont pas non plus entraîné un modèle final et parfait. Au lieu de cela, ils ont fourni un plan crucial. Ils ont cartographié le paysage des données, identifié les obstacles spécifiques qui ont empêché les scientifiques d'utiliser l'intelligence artificielle à grande échelle dans ce domaine, et offert un ensemble clair de directives sur la marche à suivre. Leur travail suggère qu'en respectant la nature unique des données — leurs différentes vitesses, formes et comportements — les scientifiques peuvent enfin commencer à entraîner les systèmes informatiques puissants nécessaires pour maîtriser la physique chaotique de la fusion nucléaire. Cette organisation est la première étape nécessaire vers un avenir où les machines pourront apprendre à contrôler les étoiles sur Terre.