پژوهشگران موفق به استفاده از هوش مصنوعی برای پیش بینی بی ثباتی و ناپایداری لحظه ای پلاسما در رآکتور همجوشی هسته ای شدند.
به گزارش ایسنا به نقل از اس ای، نیروی همجوشی هسته ای، خورشید را نیرو می دهد و در نتیجه حیات روی زمین را ممکن می کند.
درون توکاماک (tokamak)، محفظه ای به شکل دونات که برای رقم زدن جادوی همجوشی هسته ای طراحی شده است، اتم های هیدروژن با نیروی عظیمی به یکدیگر برخورد می کنند و پلاسمایی فوق العاده داغ و چرخان را می سازند که حتی داغ تر از خورشید است.
همجوشی هسته ای پتانسیل تبدیل شدن به یک منبع انرژی پایدار را دارد، زیرا از ایزوتوپ های هیدروژن استفاده می کند که فراوان هستند و می توانند از آب و منابع دیگر استخراج شوند.
دانشمندان به تازگی یک راه حل مبتنی بر هوش مصنوعی برای پیش بینی بی ثباتی و ناپایداری احتمالی پلاسما به نام «ناپایداری حالت گسستگی» ابداع کرده اند.
اینها در اثر برهمکنش جریان و گرادیان فشار در پلاسما ایجاد می شوند و منجر به جزایر مغناطیسی می شوند که محصور شدن را مختل می کنند.
در حالی که همجوشی هسته ای نویدبخش است، چالش های فنی و مهندسی قابل توجهی برای آن باقی مانده است که اگر می خواهیم از قدرت همجوشی در مقیاس تجاری استفاده کنیم، باید بر آنها غلبه کرد.
یکی از این چالش ها این است که پلاسمای داخل یک رآکتور همجوشی میتواند ثبات خود را از دست بدهد. بی ثباتی پلاسما می تواند منجر به اختلالاتی شود که رویدادهای ناگهانی و در مقیاس بزرگ هستند که می توانند باعث از بین رفتن محصور شدن و خاتمه فرآیند همجوشی شوند.
جائه مین سئو نویسنده ارشد این مطالعه گفت: ناپایداری حالت گسستگی یکی از دلایل اصلی اختلال پلاسما است و زمانی که ما سعی می کنیم واکنش های همجوشی را با قدرت های بالایی که برای تولید انرژی کافی لازم است، انجام دهیم، برجسته تر خواهد شد. آنها چالش مهمی برای ما هستند که باید آنها را حل کنیم.
دانشمندان در مرکز ملی فیوژن DIII- D در سن دیگو آمریکا نشان دادند که مدل هوش مصنوعی آنها که با استفاده از داده های قدیمی آموزش داده شده است، می تواند ناپایداری های حالت گسستگی را تا ۳۰۰ میلی ثانیه قبل از وقوع پیش بینی کند.
با اینکه این زمان بسیار کمی برای هر گونه اقدامی است، ولی برای هوش مصنوعی (Artificial Intelligence) کافی است تا نحوه عملکرد رآکتور را تنظیم کند.
مطالعه تجربی پژوهشگران پتانسیل کمک به جلوگیری از آسیب به خطوط میدان مغناطیسی پلاسما را دارد که می تواند واکنش را متوقف کند.
سئو ادامه داد: مطالعات قبلی عموماً بر سرکوب یا کاهش اثرات این ناپایداری های گسستگی پس از وقوع در پلاسما متمرکز شده اند، اما رویکرد ما به ما این امکان را می دهد که این بی ثباتی ها را پیش از ظهور پیش بینی و از آنها اجتناب کنیم.
تلفیقی از هوش مصنوعی و فیزیک پلاسما
پژوهشگران می گویند ایجاد یک ابزار هوش مصنوعی به اندازه آموزش پرواز با هواپیما به یک شخص، دشوار بود. آنها با استفاده از داده های گذشته توکاماک، یک شبکه عصبی عمیق برای پیش بینی ناپایداری های آینده ساختند و یک الگوریتم یادگیری تقویتی را برای کنترل پلاسما آموزش دادند.
هوش مصنوعی از طریق آزمایش های شبيه سازي شده، استراتژی های بهینه را برای حفظ قدرت بالا و در عین حال اجتناب از بی ثباتی آموخت. پس از اصلاح، کنترل کننده هوش مصنوعی با تنظیم پارامترهای توکاماک در لحظه، با موفقیت از ناپایداری ها در طول یک آزمایش همجوشی واقعی جلوگیری کرد.
این رویکرد فعال در تضاد با روش های فعلی است که به ناپایداری ها در زمان زمان وقوع واکنش نشان می دهند.
سانگ کیون کیم یکی از نویسندگان این مطالعه گفت:توانایی پیش بینی بی ثباتی ها از قبل، می تواند اجرای این واکنش ها را نسبت به رویکردهای فعلی که منفعل تر هستند، آسان تر کند. ما دیگر لازم نیست منتظر بمانیم تا ناپایداری ها رخ دهند و سپس اقدامات اصلاحی سریع قبل از مختل شدن پلاسما را انجام دهیم.
سئو نیز افزود: ما شواهدی قوی داریم که نشان می دهد کنترل کننده در DIII- D کاملاً خوب کار می کند، اما به داده های بیشتری نیاز داریم تا نشان دهیم که میتواند در موقعیت های مختلف کار کند. ما می خواهیم به سمت چیزی جهانی تر برویم.
این مطالعه در مجله Nature منتشر شده است.
- 14
- 4
