يمكن للذكاء الاصطناعي التنبؤ ومنع اضطرابات تفاعل الاندماج

منذ أن تم فهم مفهوم الاندماج النووي قبل قرن تقريبًا، من المهندسين إلى العلماء، يبحث الجميع عن طرق لإنشائه والاستفادة منه. بعد كل شيء، بمجرد أن نحقق الاندماج النووي على نطاق صناعي، يمكن أن يوفر طاقة ميسورة التكلفة، آمنة، غير ملوثة، ولا حدود لها تقريبًا لتلبية الطلب المتزايد.

ما هو الاندماج النووي؟ إنه عملية يجتمع فيها نواتان ذريتان خفيفتان أو أكثر لتشكيل نواة ذرية واحدة مختلفة وأثقل، مطلقة كميات هائلة من الطاقة. ومن المثير للاهتمام أن تفاعلات الاندماج هي التي تُشغِل الشمس والنجوم، مما يجعل الحياة على الأرض ممكنة.

ومع ذلك، فإن دمج ذرتين أمر صعب إلى حد ما، لأنه يتطلب كمية هائلة من الضغط والطاقة لتجاوز التنافر المتبادل بينهما. تقوم الشمس بذلك من خلال جاذبيتها الضخمة والضغوط العالية جدًا في نواتها.

الآن، يحاول الباحثون بناء مفاعلات اندماج خاصة بهم. تحدث هذه التفاعلات الاندماجية في البلازما، وهي حالة من المادة. البلازما، غاز ساخن ومشحون يتكون من إلكترونات سلبية حرة وأيونات موجبة، يسمح بمرور التيار الكهربائي من خلالها.

لتكرار هذه العملية، يستخدم العلماء بلازما شديدة الحرارة ومغناطيسات قوية جدًا. ومع ذلك، يمكن أن تفقد البلازما الساخنة للغاية والمعقدة والفوضوية استقرارها بسرعة كبيرة وتفر من المجالات المغناطيسية القوية التي تحيط بها داخل مفاعل الاندماج على شكل حلقة (دونات)، وهو ما يشير عادة إلى انتهاء التفاعل. تُعرف هذه الأجهزة على شكل الدونات باسم التوكاماك.

هذا، بطبيعة الحال، يشكل تحديًا حاسمًا في تطوير الاندماج كمصدر طاقة نظيف ولا نهائي. ومع ذلك، يستخدم فريق من علماء البيانات والمهندسين والفيزيائيين من جامعة برينستون ومختبر فيزياء البلازما ببرينستون (PPPL) التابع لوزارة الطاقة الأمريكية الذكاء الاصطناعي (AI) لتوقع تكوين مشكلة بلازما محددة في الوقت الحقيقي لتجنبها.

في مرفق الاندماج الوطني DIII-D في سان دييغو، وهو مرفق تابع لمكتب العلوم تديره شركة General Atomics لصالح وزارة الطاقة الأمريكية (DOE)، أجرى الباحثون تجاربهم وأظهروا نموذج الذكاء الاصطناعي الخاص بهم، الذي تبين أنه يتنبأ بعدد عدم استقرار البلازما المحتمل. تُعرف هذه الاضطرابات باسم اضطرابات وضع التمزق، ويمكن للذكاء الاصطناعي توقعها مسبقًا بمدة تصل إلى 300 مللي ثانية. للمقارنة، نغلق أعيننا في المتوسط بين 100–150 مللي ثانية، وفقًا لباحثي جامعة UCL.

على الرغم من أن هذه المدة قصيرة للغاية، إلا أنها توفر وقتًا كافيًا لوحدة التحكم بالذكاء الاصطناعي لتغيير معلمات تشغيل محددة لمنع التمزق داخل خطوط المجال المغناطيسي للبلازما التي قد تزعزع التوازن وربما تنهي التفاعل.

تم تدريب نموذج الذكاء الاصطناعي على بيانات من تجارب سابقة بدلاً من الاستفادة من المعلومات المستندة إلى نماذج الفيزياء. بهذه الطريقة، “يمكن للذكاء الاصطناعي تطوير سياسة تحكم نهائية تدعم نظام بلازما مستقر وعالي الطاقة في الوقت الحقيقي، داخل مفاعل حقيقي”، قال قائد الدراسة إيغيمن كولمان، وهو فيزيائي باحث في PPPL بالإضافة إلى كونه أستاذًا مشاركًا في الهندسة الميكانيكية والفضائية في مركز أندلينجر للطاقة والبيئة.

على عكس الأساليب الحالية، يتيح هذا تحكمًا أكثر ديناميكية في تفاعل الاندماج ويوفر أساسًا لاستخدام الذكاء الاصطناعي لإيجاد حل لمجموعة واسعة من اضطرابات البلازما. وهذا أمر حاسم لأن هذه الاضطرابات تمثل تحديًا في تحقيق تفاعل اندماج مستمر منذ فترة طويلة.

انقر هنا لتتعرف على كل ما يتعلق بالاستثمار في الذكاء الاصطناعي (AI).

الاستخدام المتزايد للذكاء الاصطناعي في أبحاث الاندماج

نُشرت هذه الدراسة في مجلة Nature، وتركّز على التنبؤ باضطرابات التمزق وتجنبها قبل ظهورها في البلازما. وهذا يميزها عن الأساليب السابقة، التي، وفقًا لجيمين سو، مؤلف الدراسة وأستاذ مساعد في الفيزياء بجامعة تشونغ-آنج في كوريا الجنوبية، كانت عادةً تعمل على تخفيف أو كبح آثار هذه الاضطرابات بعد حدوثها. 

تعامل فريق برينستون مع اضطرابات وضع التمزق، وهو نوع من الاضطرابات حيث تفشل خطوط المجال المغناطيسي في احتواء البلازما التي تتجاوز 100 مليون درجة مئوية، مما يؤدي إلى اضطراب البلازما. وهذا أكثر حرارة من مركز الشمس. وفقًا لسو:

“اضطرابات وضع التمزق، أحد الأسباب الرئيسية لاضطراب البلازما، ستصبح أكثر بروزًا كلما حاولنا تشغيل تفاعلات الاندماج بالقوى العالية المطلوبة لإنتاج طاقة كافية، مما يشكل تحديًا كبيرًا يحتاج إلى حل.”

نظرًا لأن هذا النوع من الاضطراب يمكن أن يتشكل ثم يعطل تفاعل الاندماج في غضون مللي ثانية، لجأ الباحثون إلى الذكاء الاصطناعي لقدراته على معالجة البيانات بسرعة واتخاذ إجراءات استجابة لها.

لم تكن هذه المرة الأولى التي يُستَخدم فيها الذكاء الاصطناعي في أبحاث الاندماج، في الواقع، هناك اهتمام متزايد بالتعلم الآلي والذكاء الاصطناعي لتقييم الكميات الهائلة من البيانات التي تُنتج في هذه التجارب. 

عند تقييم بيانات التدريب، يتعرف الذكاء الاصطناعي على الأنماط ويستخلص المبادئ منها. على سبيل المثال، يتعامل جهاز ويندلشتاين 7-X مع الكشف الحي عن حالة توازن البلازما في الستيلاريتور، وهو جهاز بلازما يعتمد على مغناطيسات خارجية لحجز البلازما.

كما قال ريكاردو بيتّي، العالِم الرئيسي في LLE، وروبرت ل. ماكروي، أستاذ في قسم الفيزياء والفلك وقسم الهندسة الميكانيكية:

“لدينا الآن ثروة من البيانات التجريبية التي يمكننا استغلالها باستخدام التعلم الآلي لتصحيح المحاكاة بشكل منهجي وتوجيه التعديلات في الوقت الحقيقي على التجارب.”

في عام 2021، قدم دييغو فيريرا، أستاذ نظم المعلومات في جامعة لشبونة (معهد تِكنِكُو السوبيريور) في البرتغال، ثلاث استخدامات مختلفة للذكاء الاصطناعي، التعلم الآلي، والتعلم العميق في أبحاث الاندماج. أحد نماذجه يتنبأ بالاضطرابات في بلازما فائقة الحرارة، والنموذج الثاني يكتشف الشذوذ في البلازما، والثالث يتعلق بالتمثيلات البصرية لأنماط إشعاع البلازما.

الآن، هذه الدراسة الأخيرة، المدعومة من مكتب علوم طاقة الاندماج التابع لوزارة الطاقة (DOE) ومؤسسة البحوث الوطنية الكورية، تعمل على منع اضطراب تمزق بلازما الاندماج بمساعدة فرع التعلم الآلي (ML) وهو التعلم المعزز العميق (RL). كما قدمت وزارة الطاقة تمويلاً لمركز علوم البلازما والاندماج في MIT لتحسين الوصول إلى بيانات الاندماج.

لبناء وحدة تحكم ذكاء اصطناعي ناجحة، اضطر فريق برينستون لاستخدام بيانات من الاختبارات التي أُجريت في الماضي على توكاماك DIII-D. ثم تم إنشاء شبكة عصبية عميقة قادرة على التنبؤ بإمكانية حدوث اضطراب تمزق قادم اعتمادًا على خصائص البلازما في الوقت الحقيقي.

هذا، وفقًا لأزاراخش جلالفاند، المؤلف المشارك للدراسة وباحث في مجموعة كولمان، كان كتعليم شخص كيفية قيادة طائرة، حيث لا تقوم بـ “إعطائه مجموعة مفاتيح وتقول له أن يبذل قصارى جهده”، بل “تجعله يتدرب على محاكي طيران معقد للغاية حتى يتعلم ما يكفي لتجربة الطيران الحقيقي.”

بعد ذلك، درّب الفريق خوارزمية التعلم المعزز (RL) على شبكتهم العصبية، والتي يمكنها تجربة استراتيجيات مختلفة للتحكم في البلازما. تتعلم الخوارزمية من خلال التجربة والخطأ داخل بيئة محاكاة آمنة.

بدلاً من تعليمه كل الفيزياء المعقدة لتفاعل الاندماج، أخبر الفريق نموذج التعلم المعزز هدفهم، وهو الحفاظ على تفاعل عالي الطاقة مع تجنب ما يجب تجنبه، أي اضطراب وضع التمزق والوسائل التي يمكنه استخدامها لتحقيق تلك النتائج. ثم، مع مرور الوقت، يتعلم النموذج المسار الأمثل لتحقيق مستويات طاقة عالية مع تجنب عقوبة عدم الاستقرار.

بينما كان النموذج يجري عبر عدد لا يحصى من تجارب الاندماج المحاكاة، لاحظ الفريق وصقل تصرفاته بسبب بعض التغييرات التي كانت سريعة جدًا. 

“كالبشر، نحن نتوسط بين ما يرغب الذكاء الاصطناعي في القيام به وما يمكن للتوكاماك استيعابه.”

– سانغكيوون كيم، المؤلف المشارك للدراسة وعالم أبحاث في PPPL

اختبر الفريق وحدة التحكم بالذكاء الاصطناعي خلال تجربة اندماج فعلية فقط بعد أن تأكدوا من قدراتها. ثم قامت وحدة التحكم بإجراء تغييرات في الوقت الحقيقي على بعض معلمات توكاماك D-III D، بما في ذلك تغيير شكل البلازما وقوة الحزم التي تضخ الطاقة في التفاعل لتجنب بدء عدم الاستقرار.

حل شامل

هذا البحث الأخير، الذي نُشرت نتائجه الأسبوع الماضي في Nature، يقدم نهجًا نشطًا على عكس الأساليب الحالية “الأكثر سلبية” لتوقع الاضطرابات مسبقًا، مما قد يسهل تشغيل هذه التفاعلات. قال كيم:

“لم نعد بحاجة إلى الانتظار حتى تحدث الاضطرابات ثم اتخاذ إجراء تصحيحي سريع قبل أن تتعرض البلازما للاضطراب.”

هذه الدراسة بالتأكيد دليل مفهوم واعد يُظهر مدى قدرة الذكاء الاصطناعي على التحكم الفعال في تفاعلات الاندماج. ومع ذلك، أشار الباحثون إلى أن مجموعة كولمان تعمل بالفعل على عدة خطوات مستقبلية لتطوير مجال أبحاث الاندماج. 

لذا، بينما توجد “دليل قوي” على أن وحدة التحكم بالذكاء الاصطناعي تعمل “جيدًا جدًا” في توكاماك DIII-D، فإن التركيز الآن هو الحصول على مزيد من الأدلة على عمل الوحدة، وجمع بيانات تُظهر أنها تعمل أيضًا في مواقف مختلفة، ثم توسيعها لتعمل في توكاماك أخرى. 

لكن هذا ليس كل شيء. يستخدم نموذج الذكاء الاصطناعي الحالي عددًا محدودًا فقط من أدوات التشخيص التي تسمح له بتجنب نوع واحد محدد من الاضطراب. لذلك، يرغب الباحثون في توفير بيانات حول أنواع أخرى من الاضطرابات بالإضافة إلى إتاحة المزيد من الوسائل لوحدة التحكم بالذكاء الاصطناعي لإجراء التعديلات. لذا، يهدف الفريق إلى توسيع خوارزميته لتتعامل مع عدة أنواع من الاضطرابات عن طريق التحكم في العديد من الوسائل المختلفة في آن واحد.

على طريق إنشاء وحدات تحكم ذكاء اصطناعي أكثر كفاءة، يأمل الفريق أن يحصل الذكاء الاصطناعي على وضوح وفهم محسّن لتفاعلات الاندماج والفيزياء، وأن يُعلِّمنا المزيد عن كل ذلك أيضًا.

انقر هنا لتعرف لماذا كان عام 2023 هو العام المميز للذكاء الاصطناعي.

الشركات العاملة في مجال الذكاء الاصطناعي والاندماج

الآن، دعونا نلقي نظرة على بعض الأسماء البارزة في هذا القطاع:

#1. Google 

العملاق التكنولوجي له يد في كل شيء، بما في ذلك أبحاث الذكاء الاصطناعي وطاقة الاندماج. قبل بضع سنوات، أعلن DeepMind المدعوم من Google أنه درب نظام ذكاء اصطناعي للتحكم في البلازما داخل مفاعل الاندماج النووي. أنشأ مختبر الذكاء الاصطناعي نظامًا للذكاء الاصطناعي المعزز (RL) للتحكم في المغناطيسات وتغيير الجهد آلاف المرات كل ثانية.

تبلغ قيمة الشركة في السوق 1.75 تريليون دولار، وأسهمها تتداول عند 140.38 دولار، بارتفاع 3% منذ بداية العام. سجلت Google إيرادات (TTM) قدرها 307.39 مليار ولديها ربحية السهم (EPS) (TTM) 5.80، نسبة السعر إلى الأرباح (P/E) (TTM) 24.17، والعائد على حقوق الملكية (ROE) (TTM) 27.36%.

#2. TAE Technologies

كانت تُعرف سابقًا باسم Tri Alpha Energy، وتتركز الشركة التي تتخذ من كاليفورنيا مقرًا لها على تطوير تقنية طاقة الاندماج. تقوم TAE Technologies حاليًا بترقية منصة الاندماج الخاصة بها، Norman، إلى آلة من الجيل السادس تُسمى كوبرنيسوس. إذا سارت الأمور بسلاسة، تتوقع الشركة بناء أول محطة طاقة نموذجية يمكن ربطها بالشبكة في أوائل الثلاثينيات من القرن الحالي، وتوسيع ذلك لتطوير طاقة تجارية “قوية وموثوقة” طوال العقد. وفقًا للرئيس التنفيذي ميتشل بندرباور، سيأخذنا الاندماج إلى “نموذج وفرة”.

في عام 2022، استثمرت Google وChevron (CVX ) في TAE Technologies كجزء من جمع الشركة لتمويل بقيمة 250 مليون دولار. في الواقع، تتعاون Google مع TAE منذ عقد من الزمن وتزود الشركة بالذكاء الاصطناعي وقوة الحوسبة.

#3. ITER

المفاعل التجريبي الدولي للاندماج الحراري النووي هو مشروع عالمي ضخم للبحث والهندسة في مجال الاندماج النووي، وقد قام بتطوير أبحاثه وتطويره في مجال الاندماج باستخدام التعلم الآلي والذكاء الاصطناعي.

“مشاريع العلوم الكبيرة مثل ITER توفر ثروة من البيانات التي تُعد مثالية للذكاء الاصطناعي. إنها تمنحنا فرصة فريدة للتعلم، التدريب، الاستنتاج، وتطبيق هذه المهارات في مجالات تصنيع أخرى.”

– ماريا أورتيز دي زونيغا، مسؤولة تقنية أولى في Fusion for Energy

الخلاصة

كما تحدثنا طوال هذا المقال، الذكاء الاصطناعي لديه القدرة على تحويل مختلف جوانب مسار الاندماج. ومع ذلك، فإن التقدمات الأخيرة في التكنولوجيا قد أطلقت آمالًا في التغلب على التحديات الطويلة الأمد التي تواجه هذه الصناعة. من خلال الاستفادة من قوة الحوسبة والقدرات على التعرف على الأنماط للذكاء الاصطناعي، يمكننا تسريع تطوير طاقة الاندماج وجعل مستقبل طاقة مستدام حقيقة في النهاية.