Federico Felici y Jonas Buchli fundaron Fusionality en Lausana este año para abordar una brecha práctica en el sector de la energía de fusión nuclear: la ausencia de herramientas listas para usar y especializadas para construir los sistemas de control que gestionan los reactores de fusión. La startup logró recaudar una ronda de financiación inicial de 3,7 millones de dólares, o 3 millones de francos suizos, liderada por Founderful y Playfair.
La financiación llega en un momento en que se está formando una nueva cadena de suministro en torno a las empresas de fusión que intentan pasar de los experimentos de ingeniería a la producción de electricidad para la red. Mientras otras empresas desarrollan componentes para los reactores o fabrican piezas de alta precisión, Fusionality considera que son pocas las entidades que se centran en el software y el hardware necesarios para controlar el propio reactor.
Un problema común a distintos diseños
Felici afirmó que muchas empresas de fusión construyen sus propios sistemas de control desde cero, aunque aproximadamente el 80% de cada sistema de control es, en la práctica, similar entre las empresas. Fusionality se basa en esta parte común para desarrollar un conjunto de sistemas de control y entornos de simulación, de modo que las startups puedan adaptar posteriormente estas herramientas a su diseño específico de reactor.
Los reactores de fusión necesitan mantener un plasma extremadamente caliente dentro de una forma, una temperatura y un nivel de combustible adecuados. Esta tarea requiere decisiones rápidas y complejas, porque el plasma es inestable y un cambio en sus condiciones puede interrumpir el experimento o provocar la pérdida del estado deseado. Por ello, el valor de las herramientas de control no se limita a reducir el tiempo de desarrollo; también está relacionado con la capacidad de las empresas para probar sus sistemas antes de implementarlos en costosos y complejos dispositivos experimentales.
La inteligencia artificial como parte del sistema
Los dos fundadores se conocieron mientras trabajaban en enseñar a la inteligencia artificial a controlar un dispositivo tokamak experimental, un reactor en forma de anillo que los investigadores utilizan para estudiar la fusión. Felici trabajaba en la EPFL, en Suiza, mientras que Buchli trabajaba en Google DeepMind. Posteriormente, Felici se incorporó a Google DeepMind, donde desarrolló procesos de simulación e interfaces de aprendizaje automático para dispositivos de fusión.
Sin embargo, la empresa no presenta la inteligencia artificial como un sustituto del sistema de control completo. Felici explicó que la inteligencia artificial desempeñará un papel importante en el futuro, pero que actualmente es más adecuada para complementar, mejorar o ajustar partes del sistema, y no para asumir el control de todo el reactor.
¿Qué cambia en la práctica?
En su primera etapa, Fusionality se centra en la fusión por confinamiento magnético, que utiliza potentes imanes para mantener el combustible de fusión lo suficientemente denso y caliente como para alimentar una central eléctrica. Entre las empresas que desarrollan dispositivos dentro de este enfoque se encuentran Commonwealth Fusion Systems, Realta Fusion, Proxima Fusion y Type One Energy.
La financiación se utilizará para desarrollar un número cuidadosamente limitado de tecnologías, según la descripción de Felici, en forma de «bloques» que puedan ensamblarse y ampliarse gradualmente. Actualmente, el equipo de la empresa cuenta con siete personas, mientras que Fusionality no ha especificado las primeras tecnologías que construirá. La empresa afirma que su ambición final es proporcionar un amplio conjunto de herramientas necesarias para operar un reactor de fusión, con una expansión posterior hacia otros métodos distintos del confinamiento magnético.
Lectura de certi.news
El paso revela que el desafío para el sector de la fusión no se limita a inventar un reactor que funcione, sino que también incluye construir a su alrededor una capa de herramientas reproducibles. Si Fusionality logra convertir las partes comunes de los sistemas de control en productos personalizables, podría reducir la repetición del trabajo de ingeniería de las startups. Sin embargo, la fuente no especifica las tecnologías que ofrecerá la empresa, su calendario de disponibilidad ni resultados operativos que demuestren su capacidad para funcionar fuera de los entornos experimentales; por ello, su impacto comercial y técnico real aún está pendiente de verificación.