Gracias a la IA, una startup china ha descubierto el cuello de botella más costoso de la energía de fusión.

      Durante décadas, la energía de fusión ha sido la promesa definitiva de energía limpia. Es el proceso que alimenta el sol, capaz de producir enormes cantidades de energía sin las emisiones de carbono asociadas con los combustibles fósiles. Los científicos han pasado generaciones tratando de recrearlo en la Tierra, convencidos de que si pueden hacerlo funcionar a gran escala, podría transformar fundamentalmente el futuro energético del mundo. El problema es que la fusión es increíblemente difícil, no solo desde una perspectiva científica, sino también económica. Construir y probar reactores experimentales cuesta enormes cantidades de dinero, y el progreso a menudo llega a través de un frustrante ciclo de prueba y error. Los investigadores desarrollan una teoría, construyen hardware para probarla, recopilan datos, ajustan el diseño y repiten el proceso. A veces, ese ciclo toma años. Ahora, una startup china llamada VeloAlpha cree que la inteligencia artificial podría ayudar a romper ese patrón.

      Fundada a principios de este año por el científico de fusión Xie Huasheng, la empresa con sede en Pekín está desarrollando FusionAlpha, una plataforma de simulación que permite a los investigadores probar diseños de reactores de fusión digitalmente antes de comprometerse a costosos experimentos físicos. Puede que no suene tan emocionante como un reactor gigante generando energía limpia ilimitada. Pero si la tecnología de VeloAlpha cumple con su promesa, podría terminar resolviendo uno de los desafíos más costosos y persistentes de la fusión.

      El triángulo imposible de la industria de la fusión

      Según Xie, los investigadores de fusión han estado atrapados durante mucho tiempo en un incómodo compromiso. El software de simulación más avanzado disponible hoy puede modelar el comportamiento del plasma con una precisión notable. El plasma —el gas supercalentado y eléctricamente cargado que alimenta las reacciones de fusión— es notoriamente difícil de controlar, y entender su comportamiento es crítico para diseñar un reactor viable. La trampa es que estas simulaciones requieren recursos computacionales sustanciales y pueden tardar mucho tiempo en completarse.

      En el extremo opuesto del espectro están los sistemas más nuevos impulsados por IA que pueden procesar cálculos mucho más rápido. Aunque son atractivos desde una perspectiva de velocidad, los investigadores a menudo permanecen cautelosos porque estas herramientas pueden tener problemas con la fiabilidad y la extrapolación más allá de los datos con los que fueron entrenadas. Luego están los modelos de física simplificados, que son computacionalmente eficientes pero a menudo demasiado burdos para guiar con precisión el diseño de reactores de próxima generación. Xie describe esto como el “triángulo imposible” del software de fusión: velocidad, precisión y capacidad predictiva. Históricamente, los investigadores han tenido que sacrificar uno para ganar otro. Todo el negocio de VeloAlpha se basa en la idea de que este compromiso ya no tiene que existir.

      La empresa afirma que los avances en inteligencia artificial, combinados con nuevas técnicas matemáticas, pueden acelerar drásticamente las simulaciones sin sacrificar la física subyacente. Según Xie, algunas partes de FusionAlpha pueden funcionar entre 100 y 10,000 veces más rápido que los códigos de fusión de última generación de hoy, manteniendo errores de referencia por debajo del 5%. Esas afirmaciones aún necesitan validación independiente, pero si se sostienen, representarían un avance significativo para la industria.

      Construir una estrella es caro

      Para entender por qué el software es tan importante, ayuda entender qué están tratando de lograr los investigadores de fusión. La fusión ocurre cuando los núcleos de átomos ligeros colisionan y se fusionan, liberando enormes cantidades de energía. Eso es exactamente lo que sucede dentro de las estrellas. Replicar esas condiciones en la Tierra requiere calentar el combustible a temperaturas más altas que el núcleo del sol, creando plasma que debe ser confinado y estabilizado el tiempo suficiente para que ocurran las reacciones de fusión. La mayoría de los investigadores intentan esto utilizando máquinas llamadas tokamaks —dispositivos masivos en forma de dona que utilizan potentes campos magnéticos para contener el plasma. Otros están experimentando con enfoques alternativos, incluidos esteladores, dispositivos lineales y sistemas de fusión impulsados por láser.

      Cada diseño viene con sus propios desafíos de ingeniería. Los investigadores deben averiguar cómo mantener las reacciones, soportar calor extremo, gestionar la radiación, asegurar suministros de combustible y, en última instancia, generar electricidad lo suficientemente barata como para competir con las fuentes de energía existentes. Ninguno de esos problemas es barato de resolver. Una sola instalación experimental puede costar cientos de millones o incluso miles de millones de dólares. Incluso los cambios de diseño más pequeños a menudo requieren pruebas y validaciones extensas. Por eso el software de simulación se ha vuelto cada vez más importante. Cuanto más precisamente puedan predecir los resultados los investigadores antes de construir hardware, menos dinero desperdician en búsquedas infructuosas.

      El momento EDA de la fusión

      Xie compara FusionAlpha con el software de automatización de diseño electrónico (EDA), una tecnología que transformó la industria de los semiconductores. Las empresas de chips modernas no construyen un procesador físico cada vez que quieren probar una nueva idea. En cambio, utilizan herramientas de software sofisticadas para modelar, simular y optimizar diseños antes de enviarlos a las plantas de fabricación. Sin el software EDA, el ritmo de la innovación en semiconductores sería dramáticamente más lento.

      VeloAlpha cree que la fusión se acerca a un punto de inflexión similar. En lugar de depender principalmente de la experimentación física, las futuras empresas de fusión podrían utilizar plataformas de simulación avanzadas para probar virtualmente miles de variaciones de diseño, identificar enfoques prometedores y reducir drásticamente los costos de desarrollo. Así que, la próxima generación de reactores de fusión podría construirse dos veces: primero en software, luego en acero.

      Por qué importa el momento

      La aparición de la startup llega en un momento particularmente interesante para la industria de la fusión en China. Durante años, la investigación de fusión fue impulsada en gran medida por gobiernos y laboratorios nacionales. Eso está comenzando a cambiar. China ha identificado la fusión nuclear como una industria futura estratégica, colocándola junto a campos como la computación cuántica, la IA encarnada, la biomanufactura, las interfaces cerebro-computadora y las comunicaciones 6G. Los inversores han tomado nota, invirtiendo dinero en un ecosistema en crecimiento de startups de fusión, proveedores de componentes y tecnologías de apoyo.

      Las empresas centradas en el desarrollo de reactores están atrayendo rondas de financiamiento cada vez más grandes, mientras que también están surgiendo negocios que suministran imanes, materiales, sistemas de energía y software. VeloAlpha se encuentra en la intersección de dos de las tendencias tecnológicas más grandes de la década: inteligencia artificial y energía limpia. La empresa recientemente aseguró financiamiento inicial de inversores que parecen convencidos de que el futuro de la fusión no se determinará únicamente por los avances en hardware.

      Eso no significa que la fusión comercial esté a la vuelta de la esquina. La industria aún enfrenta enormes obstáculos técnicos y económicos, y muchos expertos creen que la energía de fusión práctica sigue estando a años, o incluso décadas, de distancia. Pero a medida que el sector se vuelve más competitivo, las empresas que puedan iterar más rápido pueden obtener una ventaja significativa. Y ahí es donde el software podría volverse tan importante como los reactores mismos. Durante años, el mayor desafío de la industria de la fusión ha sido averiguar qué construir. Si la IA puede ayudar a responder esa pregunta más rápido y con mayor precisión, el camino hacia la fusión comercial podría parecer de repente un poco más corto.