Jawa Pos Radar Lawu - Bayangkan mengendalikan gas yang suhunya bahkan bisa lebih panas daripada inti Matahari. Masalahnya, kondisi plasma dalam sistem fusi bisa berubah hanya dalam hitungan milidetik, terlalu cepat untuk ditangani manusia secara langsung.
Kini, peneliti dari Princeton University dan Princeton Plasma Physics Laboratory (PPPL) mengembangkan sistem kecerdasan buatan yang dirancang untuk menghadapi masalah tersebut. Sistem bernama PACMAN mampu memantau sekaligus mengendalikan plasma fusi dalam hitungan milidetik.
Dalam salah satu percobaan, AI tersebut bahkan berhasil memprediksi gangguan berbahaya sekitar 200 milidetik sebelum terjadi. Sistem kemudian mengubah kondisi plasma agar gangguan tersebut tidak sampai muncul.
Kenapa Plasma Fusi Harus Dikendalikan Secepat Itu?
Fusi nuklir menjadi salah satu teknologi yang sedang diteliti sebagai sumber energi masa depan. Salah satu perangkat yang digunakan untuk mempelajarinya adalah tokamak, mesin yang memanfaatkan medan magnet sangat kuat untuk menahan plasma.
Plasma sendiri merupakan gas bermuatan listrik yang sering disebut sebagai keadaan materi keempat.
Agar reaksi fusi dapat berlangsung, plasma harus tetap panas, padat, dan stabil. Gangguan kecil saja bisa berkembang dalam waktu sangat singkat dan mengacaukan proses tersebut.
Masalahnya, simulasi komputer yang sangat kompleks untuk memprediksi perilaku plasma dapat membutuhkan waktu berhari-hari atau bahkan berbulan-bulan. Kecepatan tersebut tentu tidak cukup untuk mengambil keputusan ketika eksperimen hanya berlangsung beberapa menit.
Hiro Farre Kaga, mahasiswa pascasarjana Princeton sekaligus salah satu penulis utama penelitian, menjelaskan:
"Simulasi tersebut sangat berguna untuk mempersiapkan eksperimen berikutnya dalam setahun, tetapi untuk pengendalian, kita membutuhkan model yang dapat mengambil keputusan saat itu juga. Model pembelajaran mesin dapat menggambarkan perilaku plasma dengan sangat baik dan, yang terpenting, menjadi satu-satunya cara yang kita miliki untuk memodelkan plasma dalam hitungan milidetik. Kecepatan model-model inilah yang menjadi kunci pengendalian."
Baca Juga: iPhone Duo Resmi Diperkenalkan dengan Desain Lipat Canggih dan Performa Tanpa Batas
PACMAN Gabungkan Banyak Model AI
PACMAN merupakan singkatan dari Prediction And Control using MAchiNe learning.
Sistem ini dirancang bukan hanya untuk menjalankan satu model AI. PACMAN justru menggabungkan sejumlah model pembelajaran mesin agar dapat bekerja dalam satu sistem kendali.
Andy Rothstein, mahasiswa pascasarjana Princeton sekaligus penulis utama penelitian, mengatakan:
"Kami mengembangkan kerangka kerja ini agar berbagai model dapat saling berkomunikasi, keluaran dari model-model tersebut dapat dibagikan, dan kami dapat melakukan penelitian fisika yang menarik dalam satu sistem terintegrasi."
Sistem tersebut bekerja dalam sebuah siklus berulang. PACMAN menerima informasi dari tokamak, menganalisis kondisi plasma, memprediksi kemungkinan perubahan, lalu menentukan tindakan yang perlu dilakukan.
Yang membuatnya berbeda adalah kecepatannya.
Rothstein mengatakan:
"Operator manusia yang sangat fokus dapat merespons dalam hitungan detik. Seluruh kerangka PACMAN biasanya berjalan dalam waktu sekitar 20 milidetik, dan sistem ini tidak hanya berjalan sekali. PACMAN terus berjalan berulang kali. Sistem ini dapat melihat perubahan kecil yang terjadi pada plasma dan menyesuaikannya dengan cara yang tidak mungkin dilakukan manusia."
Dari Data hingga Perintah ke Tokamak
PACMAN pada dasarnya bekerja seperti rangkaian beberapa tahap.
•Mengumpulkan data langsung dari tokamak, termasuk suhu, kepadatan, dan sinyal medan magnet.
•Memeriksa dan menggabungkan data agar sistem mendapatkan gambaran kondisi plasma.
•Model AI menganalisis kondisi plasma dan memperkirakan apa yang mungkin terjadi berikutnya.
•Pengendali menentukan tindakan, misalnya meningkatkan daya pemanas.
•Sistem memeriksa batas keselamatan perangkat sebelum mengirim perintah ke tokamak.
Dengan struktur tersebut, peneliti juga dapat menambahkan model baru tanpa harus mengubah seluruh sistem.
Diuji Langsung pada Mesin Fusi
Kemampuan PACMAN tidak hanya diuji melalui simulasi. Peneliti menjalankannya dalam lima eksperimen menggunakan DIII-D National Fusion Facility di San Diego.
Dalam pengujian tersebut, PACMAN berhasil melakukan beberapa tugas, antara lain:
•Mengendalikan sistem pemanas menggunakan model reinforcement learning.
•Memprediksi ledakan energi yang tiba-tiba dari bagian tepi plasma.
•Mendeteksi sekaligus mengendalikan gelombang plasma yang dipicu partikel berenergi tinggi.
•Mengatur kepadatan dan rotasi plasma sesuai target.
•Memprediksi gangguan bernama tearing mode dan mencegahnya sebelum terjadi.
Percobaan tearing mode menjadi salah satu bagian yang paling menarik. Sistem kendali konvensional baru dapat mengenali gangguan tersebut setelah mulai muncul.
Farre Kaga mengatakan:
"Kemudian, sistem mencoba menekannya, dan hal itu dapat menyebabkan penurunan kinerja yang cukup besar. Dalam salah satu eksperimen yang kami paparkan, model pembelajaran mesin memprediksi tearing mode sekitar 200 milidetik sebelumnya, sehingga plasma dapat diubah untuk menghindarinya sejak awal."
Baca Juga: iOS 27 Apple: Lompatan Teknologi Siri AI, Fitur Baru, Kekurangan Baterai, dan Dampaknya di Iphone!
AI Bisa Mengatur Enam Pemanas Sekaligus
PACMAN juga diuji untuk mengoordinasikan enam gyrotron pada DIII-D secara bersamaan.
Gyrotron merupakan sistem yang digunakan untuk memanaskan plasma menggunakan gelombang mikro berdaya tinggi. Dalam pengujian, AI mengatur daya keenam gyrotron sekaligus menyesuaikan posisi cermin secara real time.
Hasilnya membuat peneliti menemukan konfigurasi yang sebelumnya belum memiliki algoritma untuk mencarinya secara otomatis.
Farre Kaga mengatakan:
"Sebelumnya, belum ada algoritma untuk menemukan solusi optimal tersebut. Ketika eksperimen berakhir dan kami melihat datanya, sistem melakukan tepat seperti yang kami harapkan, yaitu menggerakkan keenam gyrotron secara bersamaan dengan cara yang optimal untuk mencapai tujuan."
Manusia Tetap Memegang Kendali
Meski PACMAN mampu mengambil keputusan dengan kecepatan yang jauh melampaui manusia, peneliti menegaskan bahwa sistem tersebut bukan dibuat untuk menggantikan manusia sepenuhnya.
Batas keselamatan perangkat keras tetap diterapkan terlepas dari rekomendasi AI. Setelah setiap eksperimen, fisikawan juga memeriksa hasilnya untuk memperbaiki sistem sebelum pengujian berikutnya.
Farre Kaga menegaskan:
"Secanggih apa pun sistem pengendali yang digunakan, pada akhirnya parameter pengendalian tetap ditetapkan oleh operator manusia."
Dengan kata lain, AI menangani respons yang sangat cepat, sedangkan manusia tetap menentukan tujuan dan parameter utama sistem.
Bisa Dipakai untuk Mesin Fusi Masa Depan
Para peneliti melihat PACMAN sebagai sebuah platform yang dapat dikembangkan lebih jauh.
Strukturnya yang modular memungkinkan model AI baru ditambahkan, diganti, atau dijalankan secara bersamaan tanpa harus membangun ulang keseluruhan sistem.
Egemen Kolemen, associate professor di Princeton University dan PPPL, mengatakan:
"PACMAN menggunakan pengaturan fleksibel yang memungkinkan berbagai algoritma AI dasar dirangkai. Anda dapat menambahkan model baru, mengganti salah satunya, atau menjalankan beberapa model sekaligus tanpa mengubah bagian lain dari sistem."
Ia menambahkan:
"Sifat modular inilah yang mengubah pengendalian plasma berbasis AI dari serangkaian demonstrasi terpisah menjadi infrastruktur yang dapat dikembangkan oleh seluruh komunitas fusi."
Para pengembang berharap pendekatan tersebut nantinya dapat disesuaikan dengan berbagai tokamak yang memiliki bentuk, ukuran, maupun instrumen berbeda, termasuk mesin fusi yang belum dirancang saat ini.
Penelitian mengenai PACMAN diterbitkan dalam jurnal Nuclear Fusion pada 2026 dengan judul Enabling integrated AI control on DIII-D: a control system design with state-of-the-art experiments.
Teknologi ini masih berada dalam tahap penelitian dan pengembangan. Namun, kemampuan AI untuk membaca kondisi plasma dan merespons dalam hitungan milidetik menunjukkan bagaimana pembelajaran mesin mulai digunakan untuk menghadapi salah satu tantangan utama dalam pengembangan energi fusi.
(Silva Yudia Azizah, Magang Universitas Negeri Surabaya)
Editor : Tim Content Writer Radar LawuSumber : Science Daily