Les tokamaks capables de produire des impulsions plasma de longue durée subissent des flux de chaleur intenses. Leurs parois internes sont donc recouvertes d'un assemblage d'épaisseur centimétrique, associant un matériau réfractaire (tungstène) et un matériau de structure à forte conductivité thermique (alliage de cuivre), refroidi par eau pressurisée. Il est donc essentiel de doter ces installations d'un système de protection permettant d'explorer leur domaine opérationnel en sécurité, jusqu'à leurs limites technologiques.

C'est pourquoi l'IRFM conçoit pour son tokamak West un système associant :

• une instrumentation thermique, composée de 12 caméras infrarouges,
• des modèles du transfert de chaleur du plasma aux parois et de l'émission photonique du plasma,
• un traitement spécifique des signaux recueillis.

La difficulté principale consiste à gérer des masses de données en quelques dizaines de millisecondes, afin de pouvoir commander la réduction ou l'arrêt de la puissance de chauffage du plasma, l'éloignement du plasma de la paroi ou encore l'injection d'impuretés dans le plasma (pour le refroidir).

Pour relever ce défi, l'IRFM a développé des méthodes avancées utilisant des techniques d'intelligence artificielle, et en particulier le modèle Faster R-CNN, basé sur des réseaux neuronaux convolutifs. Les experts de la surveillance de la paroi interne ont ainsi créé des bases de données d'annotations de films infrarouges déjà enregistrés, grâce auxquelles des techniques utilisant l'apprentissage automatique peuvent détecter et classer selon leur niveau de risque des événements critiques à partir de nouvelles données.

Une première démonstration de ces techniques a été réalisée avec succès en temps différé (quelques minutes seulement après l'expérience) en 2023. Un test en temps réel de cette méthode est prévu pour la prochaine campagne expérimentale de West.

En parallèle, des développements en cours permettront d'exploiter également en temps réel les données d'autres capteurs, et d'injecter de la connaissance physique a priori dans des modèles pour mieux caractériser certains types de dépôt de chaleur, par exemple grâce à une décomposition de type Max-Tree pour la classification d'anomalies.

Ces travaux ouvrent des perspectives prometteuses pour l'exploitation future d'Iter.