Immaginate un mondo in cui possiamo sfruttare la stessa energia che alimenta le stelle, un processo noto come fusione nucleare. Per far sì che ciò accada, gli scienziati costruiscono enormi macchine a forma di ciambella chiamate tokamak. All'interno di queste macchine, il gas surriscaldato, o plasma, viene compresso da potenti campi magnetici finché non si fonde insieme, rilasciando enormi quantità di energia. La sfida è che questo plasma è incredibilmente caotico e instabile. Per mantenerlo contenuto e sicuro, i ricercatori si affidano a una vasta gamma di sensori che agiscono come il sistema nervoso della macchina. Questi sensori misurano costantemente tutto, dalla temperatura e pressione del gas alla forza dei campi magnetici che tengono tutto insieme. Per decenni, gli scienziati hanno usato questi dati per prevedere quando il plasma potesse diventare instabile e per controllare la macchina in tempo reale. Tuttavia, man mano che l'obiettivo si sposta verso la costruzione di una centrale elettrica veramente autosufficiente, il volume e la varietà di questi dati sono diventati travolgenti, creando un nuovo tipo di rompicapo che i programmi informatici tradizionali faticano a risolvere.

Un team di ricercatori dell'Università di Princeton ha esaminato questo problema dei dati da una nuova prospettiva, concentrandosi su come organizzarlo per la prossima generazione di intelligenza artificiale. Stanno esplorando l'uso dei "modelli di fondazione" (foundation models), un tipo di programma informatico avanzato che apprende schemi generali da enormi quantità di informazioni, proprio come i grandi modelli linguistici imparano a comprendere il linguaggio umano. Sebbene questi modelli abbiano rivoluzionato campi come il linguaggio e il riconoscimento delle immagini, applicarli alla fusione nucleare è difficile perché i dati non sono uniformi. In un tipico esperimento di fusione, la macchina genera un mix caotico di informazioni: alcuni sensori effettuano misurazioni semplici e lente di un singolo valore, mentre altri catturano istantanee complesse e ad alta velocità di onde e modelli. I ricercatori hanno scoperto che cercare di alimentare un modello informatico direttamente con questi dati disordinati e misti è come cercare di versare in un unico imbuto un secchio di sabbia, un bicchiere d'acqua e una manciata di sassi; i diversi materiali semplicemente non fluiscono bene insieme.

Per comprendere l'entità della sfida, il team ha analizzato i dati del tokamak DIII-D, un importante impianto di ricerca sulla fusione. Hanno catalogato ventitré diversi tipi di misurazioni, che vanno da semplici letture di corrente a immagini complesse e schemi simili a suoni ondulatori. Hanno scoperto che i dati variano enormemente in termini di velocità. Alcuni sensori registrano informazioni solo poche volte al secondo, mentre altri catturano migliaia di istantanee ogni secondo. Questa differenza copre cinque ordini di grandezza, il che significa che i sensori più veloci sono circa centomila volte più rapidi di quelli più lenti. Inoltre, i dati arrivano in forme diverse. Alcune misurazioni sono solo una linea di numeri che cambia nel tempo, altre sono griglie bidimensionali che sembrano mappe di calore e altre ancora sono blocchi di dati tridimensionali che mostrano come le onde si muovono attraverso il plasma. Se un modello informatico cercasse di apprendere da tutti questi elementi contemporaneamente, rischierebbe di confondersi a causa del puro volume dei dati ad alta velocità, potenzialmente ignorando i segnali più lenti, ma ugualmente importanti, che raccontano la storia della salute complessiva della macchina.

I ricercatori hanno anche scoperto che la fisica all'interno della macchina cambia costantemente e in modo imprevedibile. Il plasma non si comporta in modo costante e prevedibile; invece, le sue proprietà cambiano in frazioni minuscole di secondo a causa della turbolenza, mentre la forma complessiva del plasma evolve su periodi molto più lunghi. Ciò significa che i metodi standard per pulire e preparare i dati, che spesso assumono uno sfondo costante, non riescono a catturare la vera natura del sistema. Il team si è reso conto che per costruire un modello di fondazione di successo, non possono semplicemente gettare tutti i dati in un unico mucchio. Inveve, devono decidere attentamente come "affettare" i dati nel tempo. Se guardano una finestra temporale molto breve, possono vedere chiaramente le onde veloci e caotiche, ma perdono il quadro generale di come la macchina si stia evolvendo. Se guardano una finestra temporale più lunga, vedono i cambiamenti lenti ma perdono il dettaglio delle fluttuazioni rapide.

Attraverso la loro analisi, il team ha proposto una strategia specifica per organizzare questi dati al fine di renderli utilizzabili per l'addestramento di questi modelli avanzati. Hanno suggerito che una finestra temporale di circa cento millisecondi funge da equilibrio pratico. Questa durata è sufficientemente lunga da catturare i movimenti lenti e costanti del plasma, ma abbastanza breve da permettere di vedere ancora le onde importanti e veloci. Hanno inoltre raccomandato un metodo per gestire le diverse velocità dei sensori. Invece di forzare tutti i dati a girare alla stessa velocità, il che porterebbe a perdere importanti dettagli ad alta velocità o a creare una quantità ingestibile di dati a bassa velocità, hanno proposto un approccio di elaborazione flessibile. A seconda dell'architettura del modello specifica utilizzata, hanno suggerito o di precalcolare rappresentazioni complesse come gli spettrogrammi dalle forme d'onda grezze per ridurre il volume dei dati, o di elaborare i dati "on-the-fly" estraendo finestre temporali e applicando normalizzazione e aumento (augmentation) durante l'addestramento del modello. Questo approccio consente al computer di apprendere dai sensori veloci e dai sensori lenti simultaneamente, senza forzarli in un unico, artificiale stampo.

Lo studio conclude che, sebbene il percorso verso un futuro alimentato dalla fusione sia complesso, i dati necessari per arrivarci stanno diventando più accessibili se organizzati correttamente. I ricercatori non hanno costruito una centrale elettrica a fusione funzionante in questo studio, né hanno addestrato un modello finale e perfetto. Invece, hanno fornito una tabella di marcia cruciale. Hanno mappato il panorama dei dati, identificato gli ostacoli specifici che hanno impedito agli scienziati di utilizzare l'intelligenza artificiale su larga scala in questo campo e hanno offerto un insieme chiaro di linee guida su come procedere. Il loro lavoro suggerisce che, rispettando la natura unica dei dati — le loro diverse velocità, forme e comportamenti — gli scienziati possono finalmente iniziare ad addestrare i potenti sistemi informatici necessari per padroneggiare la fisica caotica della fusione nucleare. Questa organizzazione è il primo passo necessario verso un futuro in cui le macchine possano imparare a controllare le stelle sulla Terra.