Des chercheurs de UC Davis et du Lawrence Berkeley National Laboratory ont réalisé une avancée significative dans la conception des réacteurs à fusion nucléaire grâce à une discipline émergente connue sous le nom de fusion pilotée par les matériaux. Cette approche consiste à concevoir les matériaux mêmes qui composent les réacteurs, afin de maximiser l’efficacité des réactions et d’abaisser les températures auxquelles la fusion peut se produire de manière fiable — une stratégie distincte des approches dominantes de confinement magnétique dans les tokamaks et les stellarators, ou de confinement inertiel utilisant des lasers de haute énergie, qui visent toutes à pousser les conditions du plasma à des extrêmes plutôt qu’à modifier l’environnement de la réaction au niveau des matériaux.

« Au lieu de concevoir des matériaux uniquement pour survivre aux conditions extrêmes de la fusion, les chercheurs pourraient être en mesure de concevoir des matériaux qui renforcent la réaction dans des conditions spécifiques, à l’image de la façon dont les catalyseurs accélèrent les processus chimiques », explique un récent communiqué de presse du Berkeley Lab.

Dans un article publié ce mois-ci dans la revue Nature Communications, l’équipe détaille comment des feuilles métalliques composées de titane et de palladium peuvent faciliter des réactions de fusion nucléaire deutérium-deutérium à des fréquences nettement plus élevées et à des températures plus basses que ce qui est habituellement possible. Cette découverte revêt une importance considérable : les niveaux de chaleur extrêmes exigés par les expériences actuelles de fusion requièrent d’énormes apports d’énergie, ce qui rend la plupart des réactions de fusion nettes négatives sur le plan énergétique. Ces mêmes températures exercent également une contrainte sévère sur les matériaux à l’intérieur du réacteur. Ensemble, ces obstacles figurent parmi les barrières les plus redoutables à la commercialisation de l’énergie de fusion — un objectif qui a attiré des milliards de dollars d’investissements publics et privés dans le monde entier, notamment dans le cadre du programme de fusion du U.S. Department of Energy et d’entreprises financées par du capital-risque qui développent des conceptions de réacteurs compacts.

« Cela vous donne un nouveau levier sur lequel agir, que vous n’aviez pas auparavant », a déclaré Arun Persaud, qui dirige le groupe Fusion Science & Ion Beam Technology au sein de la division Accelerator Technology & Applied Physics (ATAP) du Berkeley Lab. « Si nous comprenons mieux cet effet, cela ouvre la voie à la conception de nouveaux matériaux qui influenceraient le taux de fusion dans certaines conditions. Un jour, de futurs progrès pourraient permettre des générateurs de neutrons plus compacts et plus efficaces, avec toutes sortes d’applications, comme l’inspection du fret, la science planétaire, ainsi que la thérapie et l’imagerie médicales. »

Au-delà de la découverte elle-même, cette recherche est appelée à catalyser de nouvelles investigations dans le domaine de la fusion pilotée par les matériaux. Ces travaux interviennent également dans un contexte de surveillance accrue du rôle du palladium dans la science nucléaire : la capacité du palladium à absorber le deutérium est étudiée depuis des décennies et, si d’anciennes affirmations sur des réactions nucléaires à basse énergie se sont révélées très controversées, les résultats de Berkeley et de UC Davis constituent une démonstration évaluée par des pairs et mesurée par instruments d’un accroissement des taux de fusion à l’aide de feuilles métalliques à base de palladium, dans des conditions de laboratoire contrôlées.

L’intelligence artificielle joue un rôle de plus en plus important pour accélérer ce type de recherche. Les grands modèles de langage sont désormais utilisés pour cribler et modéliser rapidement des matériaux candidats — une tâche qui, autrement, reviendrait à chercher une aiguille dans une botte de foin.

Au Ames National Laboratory, à Ames dans l’Iowa, des scientifiques développent un outil d’IA appelé DuctGPT spécifiquement à cette fin. Le système associe la modélisation par grands modèles de langage à une modélisation fondée sur la physique afin d’identifier les matériaux capables de résister aux conditions extrêmes à l’intérieur d’un réacteur à fusion. Des résultats comme ceux du Berkeley Lab pourraient alimenter directement le système d’Ames, chaque nouvelle donnée et chaque nouveau modèle contribuant à affiner l’outil et à rendre les recherches ultérieures plus efficaces.

Cette intersection entre IA et recherche sur la fusion comporte une implication plus large : l’intelligence artificielle pourrait potentiellement aider à résoudre la crise énergétique qu’elle intensifie elle-même. Bien que la trajectoire exacte de la demande énergétique liée à l’IA reste incertaine, les niveaux de consommation actuels constituent déjà une menace crédible pour la sécurité énergétique mondiale. Répondre aux besoins en énergie du déploiement de l’IA sans compromettre les objectifs climatiques ou d’autres priorités énergétiques concurrentes exigera des avancées technologiques majeures — tant dans la manière dont l’énergie est produite que dans celle dont les systèmes d’IA la consomment.

« Il n’y a aucun moyen d’y parvenir sans percée », a déclaré Sam Altman, PDG d’OpenAI, lors de la réunion annuelle du World Economic Forum à Davos en 2024. « Cela nous motive à investir davantage dans la fusion. »

De plus en plus, cet investissement s’oriente vers des outils pilotés par l’IA pour relever les défis énergétiques de l’ère de l’IA. Des systèmes comme DuctGPT pourraient bien constituer l’une des voies les plus prometteuses pour innover et sortir d’un dilemme énergétique croissant.

Par Haley Zaremba pour Oilprice.com