Fizica nucleară în epoca inteligenței artificiale

Ce este fizica nucleară?

Fizica nucleară este ramura fizicii care studiază nucleul atomic: din ce este alcătuit, ce forțe îl țin împreună și cum se transformă dintr-o specie nucleară în alta. Nucleul este inima atomului — ocupă mult mai puțin de 0,01% din volumul acestuia, dar concentrează peste 99,9% din masa lui. El este format din protoni (particule cu sarcină electrică pozitivă) și neutroni (particule neutre), numiți împreună nucleoni.

Ceea ce face nucleul cu adevărat remarcabil este forța care îl ține unit. Protonii, având toți sarcină pozitivă, se resping electric unii pe alții — și totuși nucleul nu se destramă. Explicația stă în interacțiunea tare (forța nucleară), cea mai puternică dintre cele patru forțe fundamentale ale naturii, care acționează doar pe distanțe extrem de mici, comparabile cu dimensiunea nucleului. Echilibrul delicat dintre atracția nucleară și respingerea electrostatică decide care nuclee sunt stabile, care sunt radioactive și cum se eliberează energia în reacțiile nucleare — fie prin fisiune (spargerea nucleelor grele), fie prin fuziune (unirea nucleelor ușoare, procesul care alimentează Soarele și toate stelele).

Fizica nucleară nu este doar o știință de laborator. Aplicațiile ei au pătruns adânc în viața de zi cu zi: producerea de energie electrică, diagnosticul și tratamentul medical (imagistică PET, radioterapie, radiofarmaceutice), protecția mediului, controlul de securitate, testarea materialelor, conservarea alimentelor, agricultura și chiar analiza operelor de artă și datarea vestigiilor arheologice. În același timp, ea rămâne o știință fundamentală profund conectată cu astrofizica: pentru a înțelege cum s-au format elementele chimice în stele și în ciocnirile de stele neutronice, trebuie să înțelegem nucleele.

Marile întrebări deschise

Deși are peste un secol de istorie — de la descoperirea nucleului de către Rutherford în 1911 — fizica nucleară are încă întrebări fundamentale fără răspuns: Care sunt limitele existenței nucleelor? Câte elemente supergrele mai pot exista? Cum apar proprietățile nucleului din interacțiunile dintre cuarci și gluoni? Cum se comportă materia nucleară în condițiile extreme dintr-o stea neutronică sau dintr-o supernovă? Pentru multe dintre aceste întrebări, experimentele directe sunt imposibile — nimeni nu poate construi o supernovă în laborator. Aici intră în scenă un aliat nou și surprinzător de puternic: inteligența artificială.

AI intră în laboratorul de fizică nucleară

Poate părea o modă recentă, dar prima aplicare a învățării automate (machine learning) în fizica nucleară datează din 1992, când cercetătorii au folosit-o pentru a studia proprietăți nucleare precum masele atomice. Adopția pe scară largă s-a produs însă abia în ultimii ani, odată cu explozia puterii de calcul și a algoritmilor de învățare profundă (deep learning).

Un studiu de referință publicat în Reviews of Modern Physics (2022) de 18 cercetători din 11 instituții — printre care Laboratorul Național Thomas Jefferson din SUA — arată că învățarea automată a pătruns astăzi în toate cele patru subdomenii ale fizicii nucleare:

1. Teorie. Algoritmii de învățare automată accelerează calcule teoretice care altfel ar dura luni pe supercalculatoare, simplifică și îmbunătățesc modelele nucleare și — esențial — permit cuantificarea incertitudinilor predicțiilor. Cel mai spectaculos: AI le permite fizicienilor să studieze fenomene imposibil de testat experimental, precum supernovele, stelele neutronice sau nucleele supergrele.

2. Experiment. Detectoarele moderne produc volume uriașe de date. Rețelele neuronale filtrează în timp real evenimentele interesante, reconstruiesc traiectoriile particulelor și identifică semnale rare pe care metodele clasice le-ar rata.

3. Acceleratoare de particule. Marile facilități experimentale folosesc AI pentru optimizarea și controlul autonom al fasciculelor. Departamentul Energiei al SUA finanțează în mod explicit programe de cercetare pentru „optimizarea și controlul autonom al acceleratoarelor și detectoarelor” prin inteligență artificială.

4. Analiza datelor. De la calibrarea instrumentelor la descoperirea de corelații ascunse în munți de date experimentale, învățarea automată reduce timpul și costurile cercetării și, în plus, interconectează mai bine cele patru subdomenii între ele.

Reactoare nucleare: gemeni digitali și modele surogat

În fizica reactoarelor, AI a trecut deja de la promisiune la practică. O sinteză publicată în 2025 în Nuclear Science and Techniques (disponibilă și pe arXiv) trece în revistă aplicațiile actuale: simulări operaționale, proiectare de securitate, monitorizare în timp real, gestionarea zonei active și mentenanță predictivă.

Două concepte domină viitorul apropiat:

• Modelele surogat — rețele neuronale antrenate să înlocuiască simulări fizice extrem de costisitoare (de exemplu transportul neutronilor), oferind rezultate de mii de ori mai rapid, cu precizie controlată;
• Gemenii digitali (digital twins) — replici computaționale complete ale unui reactor real, actualizate continuu cu date de la senzori, care permit operatorilor să testeze scenarii și să anticipeze probleme înainte ca ele să apară în instalația fizică.

Autorii notează însă și limitele oneste ale domeniului: cercetarea este încă fragmentată, iar capacitatea modelelor AI de a generaliza — de a funcționa corect pe un reactor diferit de cel pe care au fost antrenate — trebuie consolidată. Un model care greșește elegant este mai periculos decât unul care lipsește; de aceea, în domeniul nuclear, AI este folosită deocamdată pentru a asista metodele deterministe clasice, nu pentru a le înlocui.

Fuziunea: AI ține în frâu plasma de 100 de milioane de grade

Poate cel mai spectaculos exemplu al erei AI în fizica nucleară vine din cercetarea fuziunii. Într-un reactor de tip tokamak, plasma — un gaz ionizat mai fierbinte decât miezul Soarelui — trebuie ținută suspendată într-o „cușcă” magnetică, fără să atingă pereții incintei. Controlul acestei plasme instabile este una dintre cele mai grele probleme de inginerie din lume.

În 2022, cercetătorii de la DeepMind (Google) și de la Swiss Plasma Center al EPFL au publicat în revista Nature un rezultat istoric: o rețea neuronală antrenată prin învățare prin întărire (reinforcement learning) a preluat controlul magnetic al plasmei din tokamakul TCV. De 10.000 de ori pe secundă, algoritmul citește 90 de mărimi care descriu forma și poziția plasmei și ajustează tensiunea în 19 bobine magnetice. Sistemul a reușit să creeze și să mențină configurații de plasmă diverse — inclusiv forme avansate precum „fulgul de zăpadă” (snowflake) și triangularitatea negativă — pe care metodele clasice de control le obțineau cu mult efort de inginerie manuală.

Este o schimbare de paradigmă: în loc ca fizicienii să scrie ecuațiile de control, AI învață singură să controleze un sistem fizic de o complexitate copleșitoare. Rezultate similare au fost extinse între timp și pe tokamakul american DIII-D.

Ce urmează? Viitorul unui parteneriat

Privind înainte, se conturează câteva direcții clare:

1. Laboratoare (semi)autonome. Acceleratoare și experimente care se optimizează singure, în timp real, cu fizicianul în rolul de supervizor și interpret — nu de operator manual.
2. Descoperire asistată de AI. Modele care propun ce experiment merită făcut, ce nucleu exotic merită căutat, ce regiune a „hărții nucleelor” ascunde surprize.
3. Energia de fuziune. Controlul inteligent al plasmei, demonstrat pe TCV și DIII-D, este o piesă esențială pentru viitoarele centrale de fuziune (ITER și urmașele sale) — iar AI va fi, aproape sigur, în camera de comandă.
4. Reactoare de fisiune mai sigure și mai ieftine. Gemeni digitali, mentenanță predictivă și optimizare a combustibilului pentru noua generație de reactoare modulare mici (SMR).
5. Fizica fundamentală. De la structura protonului la ecuația de stare a stelelor neutronice, AI devine un „microscop computațional” pentru regimuri inaccesibile experimentului.

Rămân și provocări serioase: modelele AI trebuie să devină interpretabile (un fizician trebuie să înțeleagă de ce algoritmul dă un anumit răspuns), robuste (să nu cedeze pe date ușor diferite de cele de antrenament) și verificabile — cerințe cu atât mai stricte cu cât vorbim de instalații nucleare, unde securitatea nu se negociază.

Concluzia care se desprinde din literatura de specialitate este însă limpede: inteligența artificială nu înlocuiește fizicianul nuclear, ci îi amplifică puterea. Așa cum acceleratoarele de particule au fost „ochii” cu care am văzut interiorul nucleului în secolul XX, învățarea automată devine instrumentul cu care vom explora, în secolul XXI, teritoriile nucleare pe care nici experimentul, nici calculul clasic nu le pot atinge singure. Pentru o știință veche de peste un secol, este un început de drum surprinzător de proaspăt.

Surse (în limba engleză)

1. U.S. Department of Energy, Office of Science — Machine Learning Takes Hold in Nuclear Physics (pe baza articolului Boehnlein et al., Machine learning in nuclear physics, Reviews of Modern Physics 94, 031003, 2022)
2. U.S. Department of Energy — DOE Explains… Nuclei / Protons / Neutrons
3. U.S. Department of Energy — Artificial Intelligence and Machine Learning Applied to Nuclear Science and Technology
4. Artificial Intelligence in Reactor Physics: Current Status and Future Prospects, Nuclear Science and Techniques (2026), arXiv:2503.02440
5. Degrave, J. et al. — Magnetic control of tokamak plasmas through deep reinforcement learning, Nature 602, 414–419 (2022)
6. Google DeepMind — Accelerating fusion science through learned plasma control
7. IAEA — Physics Section (aplicațiile fizicii nucleare)