پیشرفت در انرژی پاک و همجوشی هستهای با کمک هوش مصنوعی
با آخرین پیشرفت در حوزه همجوشی هستهای، حالا یک قدم به انرژی پاک و نامحدود نزدیکتر شدهایم. دانشمندان بریتانیایی و اتریشی ابزار هوش مصنوعی جدیدی توسعه دادهاند که میتواند پلاسمای فوقالعاده داغ داخل راکتور همجوشی را شبیهسازی کند. این ابزار که GyroSwin نام دارد، محاسباتی را در چند ثانیه انجام میدهد که پیش از این چندین روز طول میکشید؛ حتی با وجود قدرتمندترین ابررایانههای جهان.
بزرگترین تولید کنندگان انرژی هستهای در جهان + اینفوگرافیک
این ابزار میتواند به دانشمندان کمک کند تا چگونگی کنترل و بهرهبرداری از نیروی غیرقابل پیشبینی انرژی همجوشی را بهتر درک کرده و اولین راکتورهای عملی همجوشی در جهان را بسازند. راکتورهای همجوشی، فرآیندهایی مشابه آنچه در هسته خورشید رخ میدهد را شبیهسازی میکنند، جایی که اتمهای هیدروژن با هم برخورد کرده و به هلیوم تبدیل میشوند. با این حال، ایجاد یک ستاره کوچک روی زمین نیازمند این است که پلاسمای داخل راکتور تا حدود ۱۰۰ میلیون درجه سانتیگراد گرم شود و به اندازه کافی داغ و متراکم باقی بماند تا واکنش همجوشی رخ دهد.
از آنجایی که هیچ مادهای نمیتواند این دما را تحمل کند، پلاسمای فوقالعاده داغ با میدانهای مغناطیسی قوی درون دستگاهی به شکل دونات به نام «توکاماک» محصور میشود. با کمک شبیهسازیهای GyroSwin، مهندسان میتوانند این میدانهای مغناطیسی را دقیقتر تنظیم کرده و واکنش همجوشی پایدارتری ایجاد کنند.
همجوشی هستهای پتانسیل تولید منبعی تقریباً بیپایان از انرژی پاک را دارد و دانشمندان پیشتر آن را «جام مقدس» توصیف کردهاند. برای این واکنش تنها به دوتریوم و تریتیوم، دو نوع هیدروژن، نیاز داریم و تنها محصول جانبی آن هلیوم است. این یعنی دیگر خبری از کوههایی از پسماند رادیواکتیو طولانیمدت یا گازهای گلخانهای که به زمین آسیب برسانند، نخواهد بود. اما مشکل مربوط به این مسئله میشود که ساخت راکتورهای همجوشی عملی مستلزم کنترل برخی از غیرقابل پیشبینیترین نیروها در جهان است.
پلاسمای فوقالعاده داغ به شکل یک حلقه منظم حرکت نمیکند؛ بلکه حرکت نامنظم و موجداری دارد که به آن تلاطم (Turbulence) میگوید. دکتر فابیان پایشر، یکی از بنیانگذاران GyroSwin از دانشگاه یوهانس کپلر در لینز، میگوید:
پلاسما به دلیل تلاطم، از محفظه مغناطیسی خود نشت میکند، به این معنی که توان لازم برای واکنش همجوشی را از دست میدهد.
به همین دلیل، واکنشهای همجوشی معمولاً بسیار کوتاهمدت هستند. در واقع، رکورد فعلی برای یک واکنش پایدار تنها ۴۳ ثانیه است!
برای اینکه یک واکنش همجوشی به صورت دائمی ادامه پیدا کند، دانشمندان به شبیهسازیهای بسیار دقیق نیاز دارند تا بفهمند تلاطم پلاسما تحت شرایط مختلف چگونه شکل میگیرد. از آنجایی که رفتار پلاسما بسیار پیچیده است، نمیتوان از همان نوع شبیهسازیهایی استفاده کرد که برای پیشبینی آب و هوا یا جریان مایعات به کار میبریم. بهترین شبیهسازیهای فعلی، ذرات پلاسما را در پنج بعد ردیابی میکنند: سه بعد برای موقعیت، یک بعد برای سرعت و یک بعد برای جهت حرکت نسبت به میدان مغناطیسی.
با این حال، حتی با قدرتمندترین ابررایانههای جهان، انجام این شبیهسازیها چندین روز طول میکشد. ابزار GyroSwin که توسط سازمان انرژی اتمی بریتانیا (UKAEA)، دانشگاه یوهانس کپلر در لینز و یک شرکت اتریشی به نام Emmi AI توسعه یافته، راه حل متفاوتی ارائه میدهد. دانشمندان ابتدا شبیهسازیهای بسیار دقیق، اما گران و کند را روی ابررایانههای سنتی اجرا میکنند. نتایج این شبیهسازیها سپس برای آموزش یک هوش مصنوعی مورد استفاده قرار میگیرد تا بتواند روابط ظریف علت و معلولی را پیشبینی نماید. پس از اتمام آموزش، GyroSwin میتواند محاسبات پیچیده را دور بزند و پیشبینیهای شبیهسازی را در عرض چند ثانیه (به جای چند روز) انجام دهد.
این نوع از مدلهای هوش مصنوعی (AI surrogate model) چیز جدیدی نیستند، اما نکته هیجانانگیز درباره GyroSwin، مربوط به دقت بالای آن میشود. دکتر پایشر میگوید:
GyroSwin اولین مدلی است که تلاطم کامل پلاسما را در تمام جزئیات و در مقیاسهای مختلف شبیهسازی میکند.
رویکردهای قبلی صرفاً در تلاش بودند تا تلاطم پلاسما را به صورت محدود شبیهسازی کنند و برای اینکه پیشبینیها سریعتر انجام شوند، بخشهایی از اطلاعات مهم را نادیده میگرفتند؛ به همین دلیل دقت کار کاهش پیدا میکرد.
نکته مهم این است که این مدل حالا میتواند برخی از اصول فیزیکی تلاطم پلاسما را شبیهسازی و نمایش دهد. با اینکه این هوش مصنوعی هنوز به برخی شبیهسازیهای سنتی برای بهبود آموزش خود نیاز دارد، اما میتواند فرآیند تولید راکتورهای همجوشی عملی را سرعت ببخشد. راب آکرز، مدیر برنامههای محاسباتی در UKAEA، میگوید:
توسعه همجوشی فرآیندی تکراری است و طراحیهای مطمئن معمولاً به تعداد زیادی شبیهسازی نیاز دارند.
کاهش زمان انجام شبیهسازیها از چند روز به چند ثانیه، چرخه طراحی و بررسی سناریوهای مختلف را به شکل چشمگیری تسریع میکند.
این ابزار به تنهایی مشکل همجوشی را برطرف نمیسازد، اما میتواند چرخه مهندسی را به طور قابل توجهی سریعتر کند؛ و این دقیقاً چیزی است که برای رسیدن به یک ماشین همجوشی عملی لازم دارید.
در شکل فعلی، GyroSwin یک نمونه آزمایشی است، اما محققان قصد دارند آن را برای شرایط عملی و کاربردیتر توسعه دهند. هدف این است که هوش مصنوعی، راکتورهای همجوشی موجود یا در حال ساخت را هدایت کند. این میتواند دربرگیرنده توکاماک آزمایشی MAST Upgrade در حال ساخت در نزدیکی آکسفورد یا پروژه شاخص بریتانیا، STEP (Spherical Tokamak for Energy Production) باشد که هدفش ساخت یک راکتور عملی تا دهه ۲۰۴۰ است.
اگرچه یک راکتور همجوشی واقعی و کاملاً عملی هنوز در حد یک ایده علمی–تخیلی باقی مانده، اما این دستاوردهای بنیادین ما را کمی به واقعیت نزدیکتر کردهاند.
