Das Projekt "AI for Fusion Engineering" umfasst Partnerschaften mit der Universität Bonn, dem Forschungszentrum Jülich und der Technischen Universität München. (Bild: Proxima Fusion)
Das deutsche Bundesministerium für Bildung und Forschung (BMBF) fördert das Münchner Start-up Proxima Fusion mit mehr als 6,5 Millionen Euro, um in Partnerschaft mit der Universität Bonn, dem Forschungszentrum Jülich und der Technischen Universität München (TUM) die Entwicklung und Optimierung von Stellarator-Kernkraftwerken mithilfe von künstlicher Intelligenz (KI) voranzubringen.
Die Partner im Projekt "AI for Fusion Engineering" vereinen interdisziplinäre Expertise in den Bereichen Plasmaphysik, maschinellem Lernen, Optimierung und Informatik. Gemeinsam haben sie es sich zum Ziel gesetzt, KI-gestützte Simulationstools zu entwickeln, die physikalische und technische Simulationen integrieren können. Diese Tools sollen die kritischen Komponenten von Stellaratoren optimieren, wie hochtemperatursupraleitende Magnete (HTS-Magnete), Materialien, die in Kontakt mit Fusionsplasma kommen, sowie Kühlsysteme. Diese Technologie soll in Zukunft für saubere Energie aus Fusionskraftwerken sorgen.
KI-optimierte Stellaratoren sind Schlüssel für kommerzielle Fusionsenergie
"Stellaratoren stellen den deutlichsten und robustesten Weg hin zur kommerziell nutzbaren Fusionsenergie dar. Sie können eine stabile und kontinuierliche Energiegewinnung ermöglichen, sind aber aufgrund ihrer 3D-Geometrien kompliziert in der Entwicklung", sagte Dr. Francesco Sciortino, Mitbegründer und CEO von Proxima. "Dieses Projekt wird die Stellarator-Entwicklung beschleunigen, Kosten senken und die Verlässlichkeit und die Leistung dieser Geräte verbessern." Dr. Markus Kaiser, AI Lead bei Proxima, fügte hinzu: "KI kann nur dank Proximas einzigartigem simulationsbasierten Ansatz einen wirklich sinnvollen Beitrag zur Fusionsforschung und -technik leisten."
Lösung einer der größten Herausforderungen im Bereich der Kernfusion
Die Forschenden betonen den erwarteten Technologiesprung durch die Kooperation und dessen Auswirkungen für Kernfusionskraftwerke und darüber hinaus. "Indem wir datengetriebene Optimierungstechniken, geometrisches maschinelles Lernen und unsicherheitsbewusste Ersatzmodellierung anwenden, können wir die neuesten technologischen Fortschritte bei der Stellarator-Entwicklung in skalierbaren Berechnungslösungen zum Einsatz bringen", so Prof. Dr. Daniel Cremers, Inhaber des Lehrstuhls für Bildverarbeitung und Künstliche Intelligenz an der TUM School of Computation, Information and Technology.
Dr. Dirk Reiser, Teamleiter für 'Theory and Numerical Simulations' am Forschungszentrum Jülich, ordnet die Dimension des Projektes ein: "Wir entwickeln kostengünstigere, hochmoderne KI-gestützte Modellierungstools für die Plasma-Oberflächen-Wechselwirkung und arbeiten damit an der Lösung einer der problematischsten Herausforderungen im Bereich der Kernfusion. Unser Projekt integriert KI mit klassischen Engineering-Techniken, um die Einschränkungen der derzeitigen Designmethoden zu überwinden und die Konzepte rechnerisch machbar zu gestalten."
Prof. Dr. Zorah Lähner, eine führende Forscherin für geometrisches Deep Learning an der Universität Bonn und dem Lamarr-Institut, erkennt weiteres Potenzial: "Die im Rahmen dieses Projekts entwickelten Tools und Technologien haben auch breiter gefasste Anwendungen über die Fusionsenergie hinaus. Die innovativen und praktischen Lösungen werden für komplexe Engineering Herausforderungen etwa in der Luft- und Raumfahrt sowie der Automobilindustrie ebenfalls unglaublich interessant sein."
Marktreife Funktionsenergie kommt in rund 10 Jahren
Als führendem Partner obliegt Proxima die übergreifende Koordination des Projekts. Das in München ansässige Startup-Unternehmen beschäftigt sich schwerpunktmäßig mit der Entwicklung und Konstruktion wirtschaftlich tragbarer Stellarator-Fusionskraftwerke und verfolgt das Ziel, die Funktionsenergie bis Mitte der 2030er Jahre marktreif zu machen und ins Netz zu integrieren.