L'algoritmo per la previsione delle orbite dei pianeti potrebbe essere la chiave per un approvvigionamento energetico infinito 

Un algoritmo informatico sviluppato da uno scienziato del Princeton Plasma Physics Laboratory (PPPL) del Dipartimento dell'Energia degli Stati Uniti (DOE) può prevedere con precisione l'orbita dei pianeti nel sistema solare. Si basa sull'intelligenza artificiale (AI) per sviluppare previsioni basate sull'esperienza precedente. 

Ora, i fondamenti di quell'algoritmo vengono adattati in altri domini, in particolare per quanto riguarda la previsione e il controllo del plasma nelle strutture di fusione. Queste strutture possono raccogliere l'energia della fusione, che alimenta il sole e le stelle, sulla Terra.

Hong Qin è un fisico PPPL e autore dell'articolo pubblicato in Rapporti scientifici. 

"Di solito in fisica si fanno osservazioni, si crea una teoria basata su quelle osservazioni e poi si usa quella teoria per prevedere nuove osservazioni", ha detto Qin. "Quello che sto facendo è sostituire questo processo con una sorta di scatola nera in grado di produrre previsioni accurate senza utilizzare una teoria o una legge tradizionale".

Il programma informatico

Il programma per computer sviluppato da Qin si basa su dati alimentati da osservazioni passate riguardanti le orbite di Terra, Marte, Mercurio, Venere, Giove e il pianeta nano Cerere. Insieme a un "algoritmo di servizio", è possibile effettuare previsioni accurate delle orbite di altri pianeti, il tutto senza l'uso delle leggi del moto e della gravitazione di Newton.

“In sostanza, ho ignorato tutti gli ingredienti fondamentali della fisica. Vado direttamente da un dato all'altro", ha detto Qin. "Non c'è nessuna legge della fisica nel mezzo."

Joshua Burby è un fisico del Los Alamos National Laboratory del DOE. Ha ricevuto un dottorato di ricerca sotto Qin.

"Hong ha insegnato al programma il principio fondamentale utilizzato dalla natura per determinare la dinamica di qualsiasi sistema fisico", ha affermato Burby. "Il vantaggio è che la rete apprende le leggi del moto planetario dopo aver assistito a pochissimi esempi di addestramento. In altre parole, il suo codice 'impara' davvero le leggi della fisica".

Esperimenti di fusione

Questi principi e teorie vengono ora adattati da Qi ed Eric Palmerduca, che è uno studente laureato nel programma dell'Università di Princeton in fisica del plasma. I due stanno tentando di usarli per prevedere il comportamento delle particelle di plasma negli esperimenti di fusione, che si svolgono in tutto il mondo. 

La fusione è la combinazione di elementi di luce sotto forma di plasma, ed è il potere dietro le stelle e il sole. Il plasma rappresenta il 99% dell'universo visibile e possiede il potenziale per produrre enormi quantità di energia. Se gli scienziati riuscissero a replicare la fusione sulla Terra, ci fornirebbe una fornitura infinita di energia per l'elettricità. 

"In un dispositivo di fusione magnetica, le dinamiche dei plasmi sono complesse e multi-scala, e le leggi che governano efficaci o modelli computazionali per un particolare processo fisico che ci interessa non sono sempre chiare", ha detto Qin. "In questi scenari, possiamo applicare la tecnica di apprendimento automatico che ho sviluppato per creare una teoria dei campi discreti e quindi applicare questa teoria dei campi discreti per comprendere e prevedere nuove osservazioni sperimentali".

Gli scienziati ritengono inoltre che questa nuova tecnica potrebbe sviluppare una teoria fisica tradizionale. 

Sebbene in un certo senso questo metodo escluda la necessità di una tale teoria, può anche essere visto come un percorso verso di essa", ha affermato Palmerduca. "Quando si cerca di dedurre una teoria, si desidera avere a disposizione quanti più dati possibile. Se si ricevono dei dati, è possibile utilizzare l'apprendimento automatico per colmare le lacune o espandere il set di dati in altro modo".