Partnerschappen

UKAEA en PPPL komen overeen om de koppeling van AI-supercomputers voor fusie te onderzoeken

mm
Voeg Unite.AI toe aan je voorkeursbronnen op Google

De United Kingdom Atomic Energy Authority (UKAEA) en het Princeton Plasma Physics Laboratory (PPPL) van het Amerikaanse Department of Energy hebben op 14 september 2026 een gezamenlijke intentieverklaring ondertekend om de SUNRISE-supercomputer van UKAEA te koppelen aan het STELLAR-AI-platform van PPPL via een partnerschap dat bekend staat als de SUNRISE–STELLAR-AI Federatie, de UKAEA aankondigde.

De verklaring werd ondertekend tijdens de Global Fusion Policy Summit, gehouden in Mansion House in Londen op 14 september 2026. Het doel van de top is het vergroten van de regulatoire harmonisatie, die volgens de aankondiging cruciaal is voor het bereiken van veilige en zekere fusie‑energie, en om zekerheid te bieden aan ontwikkelaars en investeerders. In het persbericht worden UKAEA en PPPL beschreven als respectievelijk de toonaangevende nationale fusielaboratoria van het VK en van de VS.

De federatie zou de twee platforms verbinden, waardoor onderzoekers aan beide kanten van de Atlantische Oceaan AI‑modellen kunnen trainen op resultaten van beide nationale laboratoria en AI‑tools kunnen ontwikkelen voor toekomstige fusie‑energiecentrales. Volgens het plan zouden beide geavanceerde computers worden ingezet om dezelfde AI‑modellen te trainen, waarvoor, zo stelt het persbericht, grote hoeveelheden hoogwaardige data nodig zijn om nauwkeurige voorspellingen te doen.

De tokamaks en supercomputers achter de federatie

De samenwerking zou voortbouwen op experimenten die zijn uitgevoerd met de MAST Upgrade‑faciliteit van UKAEA in Oxfordshire en de NSTX-U‑faciliteit van PPPL in New Jersey. Beide zijn compacte bolvormige tokamaks met vergelijkbare ontwerpen, die volgens de aankondiging zeer geschikt maken voor gezamenlijke AI‑training.

Volgens het persbericht kunnen modellen die met data van één enkele machine zijn opgebouwd moeite hebben om nauwkeurige voorspellingen te doen die op verschillende machines van toepassing zijn. Wanneer verschillende faciliteiten worden gecombineerd, kunnen onderzoekers krachtigere machine‑learning‑modellen ontwikkelen die de onderliggende fysica beter weergeven, waardoor toekomstige fusieprojecten worden versneld, waaronder het Britse Spherical Tokamak for Energy Production (STEP Fusion) en Amerikaanse concepten zoals de Spherical Tokamak Advanced Reactor (STAR) van PPPL.

In de aankondiging wordt SUNRISE beschreven als de eerste AI‑supercomputer van het VK die is gewijd aan fusie‑energie, gesteund door £45 miljoen van de Britse overheid. Het vormt de eerste fase van de rekeninfrastructuur die ten grondslag ligt aan de eerste AI‑Growth‑Zone van het VK, opgezet op de Culham‑campus van UKAEA. STELLAR‑AI is het AI‑ en high‑performance‑computing‑platform van PPPL, dat wordt geëxploiteerd met ondersteuning van Princeton University.

Doelstellingen en officiële verklaringen

Door supercomputerkracht en expertise te combineren, wil de federatie de ontwerpcyclus voor toekomstige fusie‑energiecentrales verkorten, beter gebruikmaken van bestaande experimenten, en de volgende generatie fusiewetenschappers aan beide kanten van de Atlantische Oceaan een gedeeld platform bieden om op voort te bouwen, volgens de aankondiging. Het persbericht positioneert het partnerschap als het creëren van een wereldleidende trans-Atlantische AI‑capaciteit voor fusie en als een investering in de mensen en vaardigheden die voor de toekomst nodig zijn.

Joe Milnes, Executive Director for Engineering and Computing bij UKAEA, beschreef fusie als een van de belangrijkste wetenschappelijke en technische uitdagingen van dit tijdperk en stelde dat het aangaan van dergelijke uitdagingen partnerschappen vereist. Hij zei dat de VS en het VK twee wereldleiders zijn op het gebied van fusieonderzoek en dat het federeren van SUNRISE en STELLAR‑AI zou voortbouwen op een lange geschiedenis van trans-Atlantische samenwerking om de ontwikkeling van fusie verder te bevorderen.

Jonathan Menard, Chief Scientist bij PPPL, omschreef een fusie‑energiecentrale als een van de meest complexe machines die de mensheid heeft geprobeerd te bouwen en stelde dat geen enkel laboratorium of land er alleen een kan ontwerpen. Het federeren van de twee platforms, zei hij, zou de partners in staat stellen AI te trainen op data van twee toonaangevende fusiefaciliteiten, ideeën te testen op twee van ‘s werelds meest capabele computersystemen die zijn ontworpen voor fusieonderzoek, en de weg naar een compacte fusie‑energiecentrale versnellen.

Rob Akers, Director of Computing Programmes en Senior Fellow bij UKAEA, verklaarde dat de partners gebruik zouden maken van experimentele data van beide machines, waarbij simulatie wordt ingezet om hiaten op te vullen en die datasets uit te breiden naar bedrijfsregimes die nog niet zijn onderzocht. Hij stelde dat de teams digitale tweelingen van beide machines zouden ontwikkelen ter ondersteuning van het ontwerp van toekomstige fusie‑energiecentrales, waardoor modellen van bolvormige tokamaks ontstaan die voorspellender en bruikbaarder zijn voor fusie‑ingenieurs. Hij voegde eraan toe dat samenwerken als één team de partners sneller laat leren en meer inzicht uit experimenten haalt.

Shantenu Jha, Head of Computational Sciences bij PPPL, stelde het technische doel: “Ons doel is om modellen en experimenten vrijelijk tussen de twee systemen te laten bewegen. We zullen een verzameling supercomputers omvormen tot één enkele motor voor fusie‑ontdekking.”

De overeenkomst van juni en wat volgt

De federatie bouwt voort op een memorandum of understanding tussen UKAEA en PPPL aangekondigd op 25 juni 2026, waarin een kader voor gezamenlijke werkzaamheden tussen de twee organisaties wordt geschetst. Op grond van die overeenkomst hebben de laboratoria zich gecommitteerd om de wetenschappelijke, academische en educatieve samenwerking op het gebied van fusiewetenschap en -technologie uit te breiden, waaronder wederzijdse personeelsuitwisselingen, toegang tot grote onderzoeksfaciliteiten, gezamenlijke projecten, de uitwisseling van academische informatie, samenwerking op ITER‑diagnostiek, geavanceerde computerprogramma’s en bredere informatie‑deling in de komende jaren.

De overeenkomst van juni volgde op de toespraak van Zijne Majesteit de Koning aan de gezamenlijke vergadering van het Congres in Washington, D.C., waarin nieuwe UK-US-partnerschappen op het gebied van fusie‑energie werden benadrukt, volgens de persverklaring van juni. In die verklaring stond dat de overeenkomst zich zou richten op het bevorderen van de fysica‑ en technologiebasis voor toekomstige fusie‑energiecentrales.

Na de top hebben UKAEA en PPPL mogelijke vervolgstappen voor de federatie besproken, waaronder het verkennen van de ontwikkeling van digitale tweelingen van beide faciliteiten. In de persverklaring van september wordt een digitale tweeling gedefinieerd als een gedetailleerde virtuele kopie van een echte fusie‑machine, ondersteund door regelmatige gegevens uit fusie‑experimenten, zodat onderzoekers wijzigingen kunnen testen en kunnen voorspellen hoe een machine zich in software zal gedragen voordat experimenten op hardware worden toegepast.

Onderzoekers zullen ook onderzoeken hoe rekenklussen soepel kunnen worden verplaatst tussen de twee platformen, die verschillende hardware gebruiken, zodat wetenschappers het juiste supercomputerplatform voor elk probleem kunnen kiezen. De federatie is bovendien van plan de volgende generatie fusie‑ en AI‑experts te ontwikkelen via trainingen, workshops, onderzoeksmogelijkheden en andere internationale samenwerkingen.

Theo Nash is een AI-gegenereerde specialist bij Unite.AI, waar hij zich richt op AI-infrastructuur, compute en de hardware-systemen die moderne kunstmatige intelligentie aandrijven. Zijn werk richt zich op de technische fundamenten achter grote AI-werklasten, waaronder datacenters, accelerators, netwerken en de software-stacks die deze verbinden.
Met een analytische en technisch gedreven perspectief onderzoekt Theo hoe vooruitgang in GPUs, custom silicon, geheugenarchitecturen en gedistribueerde systemen nieuwe generaties AI-modellen mogelijk maken. Hij let vooral op prestatie-afwegingen, energiedoeltreffendheid, schaalbaarheid en de praktische beperkingen die de inzet van AI-infrastructuur in de praktijk bepalen.
Artikelen geschreven door Theo Nash zijn AI-gegenereerd en worden beoordeeld door het redactionele team van Unite.AI om technische nauwkeurigheid, duidelijkheid en verantwoorde dekking van het snel evoluerende AI-computelandschap te garanderen.