الذكاء الاصطناعي يتحكم في أنظمة الاندماج في غضون ميليثواني

يعمل باحثو الاندماج على التحكم في المادة عند درجات حرارة أعلى من مركز الشمس. هذا التحدي يترك مساحة شبه معدومة للقرارات المتأخرة. يمكن أن تتطور عدم استقرار البلازم في غضون ميليثواني، بينما قد تستغرق محاكاة فيزياء مفصلة أيامًا أو أشهر لإكمالها. يمكن للمشغلين البشريين تحديد الأهداف، لكنهم لا يستطيعون التفاعل يدويًا بسرعة كافية مع كل تغيير داخل تجربة الاندماج.

دراسة جديدة¹ من باحثين في جامعة برينستون ومختبر فيزياء البلازم ببرينستون تصف استجابة عملية لهذه المشكلة التحكمية. طور الفريق نظام PACMAN، المختصر لـ Prediction And Control using MAchiNe learning، ونشره على توكامك DIII-D في كاليفورنيا. بدلاً من تنفيذ مهمة ذكاء اصطناعي ضيقة واحدة، يوفر PACMAN إطارًا مشتركًا يمكن من خلاله للنماذج المختلفة قراءة بيانات التشخيص، وإجراء توقعات، وتنسيق المتحكمات وإرسال أوامر إلى المعدات الفيزيائية.

يحتوي بحث الاندماج بالفعل على نماذج تعلم آلي قوية. المشكلة الأصعب هي تحويلها إلى مكونات موثوقة في الوقت الحقيقي دون إعادة بناء خط أنابيب التحكم لكل تجربة. يعالج PACMAN تلك الطبقة المفقودة.

لماذا يحتاج الاندماج إلى تحكم ذكاء اصطناعي في الوقت الحقيقي

التوكاماك يحصر البلازم المشحون كهربائيًا باستخدام المجالات المغناطيسية. الحفاظ على ظروف مفيدة يتطلب تعديلات مستمرة على أنظمة التسخين، والملفات المغناطيسية، وحقن الغاز، وغيرها من المعدات. يمكن للاضطرابات الصغيرة أن تتطور إلى عدم استقرار يقلل من الأداء أو يوقف تفريغ البلازم تمامًا.

تظل المتحكمات التقليدية فعّالة عندما يستطيع المهندسون وصف الاستجابة المطلوبة مسبقًا. ومع ذلك، تنطوي الأنظمة البلازمية المتقدمة على تفاعلات غير خطية، وقياسات غير مكتملة، وظروف تتغير بسرعة تفوق الحسابات الشاملة. يمكن للتعلم الآلي تقريب هذا السلوك وتقديم إجابة ضمن الوقت المتاح.

لقد أصبحت الأهمية الأوسع لهذا النهج واضحة بالفعل. أظهرت أبحاث سابقة أن الذكاء الاصطناعي يمكنه التنبؤ ومنع عدم استقرار الاندماج قبل أن تستجيب الأنظمة التقليدية. يوسع PACMAN المفهوم من عرض تنبؤ وتحكم فردي إلى بنية قادرة على دعم عدة نماذج ومتحكمات وأهداف.

وفقًا لإعلان PPPL المرافق PPPL announcement، يعمل الإطار الكامل عادةً في حوالي 20 ميليثانية. في تجربة واحدة، توقع نموذج تعلم آلي عدم استقرار وضع التمزق قبل حوالي 200 ميليثانية. قد يبدو هذا الفاصل قصيرًا، لكنه يمنح المتحكم الآلي الوقت الكافي لإعادة توجيه التسخين وتغيير ظروف البلازم قبل أن يتثبت عدم الاستقرار.

كيف يعمل إطار عمل PACMAN للاندماج

ينظم PACMAN التحكم في الوقت الحقيقي إلى أربعة كتل متتالية. تجمع كتلة الإدخال القياسات التشخيصية وتتحقق من صحتها. تسمح كتلة النموذج للنماذج التعلم الآلي أو النماذج التقليدية أو الفيزيائية بتفسير تلك المدخلات. تترجم كتلة المتحكم التنبؤات إلى إجراءات مرغوبة. أخيرًا، تحل كتلة الإخراج الطلبات المتنافسة، وتطبق قيود الأجهزة، وتوجه الأوامر المعتمدة إلى التوكاماك.

وبالتالي يمكن للنظام فصل الذكاء عن السلطة. قد يوصي نموذج الذكاء الاصطناعي بإجراء ما، لكن مخرجاته لا تتجاوز بنية التحكم المحيطة. لا تزال الأوامر تُفحص مقابل حدود المشغلات، ويحدد الباحثون الأهداف والتكوين لكل تجربة.

يتضمن الإطار عدة تدابير أمان عملية:

• التحقق من صحة الإدخال يحدد البيانات التشخيصية المفقودة أو غير الصالحة.
• الترشيح منخفض التمرير يمكن أن يمنع ردود الفعل على قياسات ضعيفة معزولة.
• معالجة النزاعات تقيم بين طلبات المشغلات المتنافسة.
• حدود الإخراج تمنع الأوامر من تجاوز قيود الأجهزة.

يوفر هذا التصميم درسًا مفيدًا للذكاء الاصطناعي الحساس للسلامة: لا يجب أن تعتمد الموثوقية على نموذج لا يخطئ. يمكن للنظام المحيط أن يفترض أن النماذج ستواجه بيانات سيئة أو تنتج مخرجات غير مناسبة، ثم يحد من تأثيرها على المعدات الفيزيائية.

خمسة تجارب تُظهر مرونة الإطار

استخدم الباحثون PACMAN في خمس تطبيقات تجريبية على DIII-D. لم تكن هذه خمس تنويعات لنفس الشبكة العصبية. شملت التعلم المعزز، نماذج البقاء، الحوسبة الخزانية والتحكم التنبؤي النموذجي، مقترنةً بتشخيصات ومشغلات مختلفة.

قامت المتحكم القائم على التعلم المعزز بإدارة مدخلات التسخين لاستهداف ضغط البلازم وحواجز النقل الداخلية. أعاد المتحكم وضع التمزق توجيه تسخين الدائرية الإلكترونية قبل ظهور عدم استقرار. تنبأ نموذج آخر بأحداث حافة مفاجئة دون التحكم المباشر في مشغل، مما يُظهر أن PACMAN يمكنه أيضًا تزويد متحكم خارجي.

صنفت تطبيقات وضع Alfvén الموجات المرتبطة بالجسيمات ذات الطاقة العالية وضبطت قوة الشعاع النيوتروني استجابةً لذلك. المثال الأكثر طلبًا من حيث الحوسبة ضغط ملفات البلازم إلى تمثيل كامن أبسط واستخدم التحكم التنبؤي النموذجي لضبط الكثافة والدوران نحو الأهداف المحددة من قبل الباحثين.

معًا، تُظهر هذه التجارب لماذا يُعد الإطار المشترك ذا قيمة. يتطلب كل هدف بيانات وتوقيتًا ومعدات مختلفة، لكن لا ينبغي على كل فريق إعادة إنشاء معالجة التشخيص، وفحوصات السلامة، وتكامل المشغلات.

الاختراق الحقيقي هو تسريع تطوير الاندماج

لا يحل PACMAN الحواجز العلمية والاقتصادية التي تواجه طاقة الاندماج. DIII-D هو مرفق بحثي، وليس مولدًا تجاريًا، ولم تُظهر التجارب إنتاج كهرباء صافي. لا يستطيع الإطار أيضًا التحكم في الظواهر التي تتطور أسرع من نافذته ذات الميليثانية. تنفذ تنفيذه الحالي النماذج بشكل متسلسل، على الرغم من أن البنية يمكنها دعم التنفيذ المتوازي في المستقبل.

تتجلى قيمته القريبة المدى بدلاً من ذلك في سرعة التطوير. تشير تقارير PPPL إلى أن بناء الإطار وتثبيت النموذج الأول استغرق أشهر، بينما إضافة النموذج الثاني استغلت أيامًا فقط. بمجرد أن تتعامل البنية المشتركة مع مشكلات التكامل المتكررة، يمكن للباحثين قضاء مزيد من الوقت في تحسين نماذج البلازم وتقليل الوقت المستغرق لإعادة بناء البنية التحتية حولها.

يمكن أن يخلق ذلك تأثيرًا تراكميًا. يؤدي النشر الأسرع إلى مزيد من البيانات التجريبية، ونماذج أفضل، وأنظمة تشغيل أكثر طموحًا. النتيجة هي حلقة تعلم أكثر ضيقًا بين المحاكاة، والتعلم الآلي، والتجارب الفيزيائية.

تساعد تلك الحلقة في شرح الارتباط المتزايد بين الذكاء الاصطناعي وطاقة الاندماج. قد يزيد الذكاء الاصطناعي الطلب على الكهرباء عبر مراكز البيانات، لكنه أيضًا يصبح أداة هندسية لتطوير أنظمة طاقة جديدة. في الاندماج، لا يقتصر قيمته على اكتشاف المواد أو تحليل النتائج بعد التجربة؛ بل يمكنه المشاركة مباشرة في التحكم بالآلة.

من البرمجيات التجريبية إلى بنية المفاعل التحتية

ستكون الخطوة التالية تحديد ما إذا كانت مبادئ تصميم PACMAN قابلة للنقل إلى آلات أخرى. تختلف التوكامكات في هندستها، وتشخيصاتها، ومشغلاتها، وأنظمة التحكم الخاصة بها. لا تجعل بنية مفهومية قابلة لإعادة الاستخدام البرنامج قابلًا للنقل تلقائيًا عبر كل مرفق.

ومع ذلك، يحدد الإطار العناصر التي من المحتمل أن تكون مهمة في المفاعلات المستقبلية: مدخلات موحدة، نماذج قابلة للتبديل، حدود واضحة للمتحكم، تحكيم المشغلات، وتطبيقات السلامة خارج نموذج الذكاء الاصطناعي. ستتطلب الأنظمة التجارية أيضًا الاحتياطية، الأمن السيبراني، واستجابات متوقعة عند فشل المعدات.

يخطط الباحثون لإدخال التنفيذ المتعدد الخيوط واستكشاف وحدات معالجة الرسوميات أو المصفوفات القابلة للبرمجة لتسريع الاستدلال. لن يكون المقياس الحاسم السرعة الخام للنموذج فقط. تحدد الكمون من الطرف إلى الطرف، بما في ذلك اكتساب البيانات، والتحقق، والقرارات، والتنفيذ، ما إذا كان المتحكم قادرًا على التدخل في الوقت المناسب.

الاستثمار في الاندماج المدعوم بالذكاء الاصطناعي عبر Alphabet

للمستثمرين الذين يبحثون عن تعرض لسوق الأسهم لتقاطع الذكاء الاصطناعي وبحوث الاندماج، تقدم Alphabet Inc (GOOG ) خيارًا ذا صلة، وإن كان غير مباشر. تعاونت Google مع مطور الاندماج الخاص TAE Technologies لأكثر من عقد، مطبقةً التعلم الآلي على إعادة بناء البلازم، والتحسين، وتصميم المفاعل. شاركت Google أيضًا في جولة تمويل TAE لعام 2025.

تمتد مساهمة Google إلى ما بعد رأس المال. عمل باحثوها مع مهندسي الاندماج لتفسير سلوك البلازم وتقليل تعقيد الآلة. في عام 2025، قالت Google إن العمل المشترك على إعادة بناء البلازم ساعد TAE على تبسيط وإعادة بناء آلتها الاندماجية. كما وافقت Alphabet على شراء الطاقة من Commonwealth Fusion Systems إذا وصلت منشأتها المخطط لها إلى التشغيل التجاري.

هذا لا يجعل Alphabet شركة متخصصة في الاندماج. يمثل الاندماج حاليًا جزءًا صغيرًا ومضاربًا من شركة تهيمن عليها الإعلانات، والحوسبة السحابية، والخدمات الرقمية. تستخدم TAE أيضًا تكوينًا مقلوبًا للحقول بدلاً من بنية التوكاماك المستخدمة في DIII-D. ومع ذلك، تُظهر تعاون Google مع TAE Technologies في مجال الذكاء الاصطناعي أنها تساهم بقدرات تقنية للقطاع بدلاً من الانتظار لتصبح عميلًا مستقبليًا للطاقة.

الذكاء الاصطناعي يصبح جزءًا من آلة الاندماج

ينقل PACMAN النقاش إلى ما بعد ما إذا كان نموذج ذكاء اصطناعي واحد يمكنه التنبؤ بعدم استقرار. السؤال الأكثر أهمية هو ما إذا كان يمكن للعديد من أنظمة التنبؤ والتحكم أن تعمل معًا، وتتفاعل مع الأجهزة، وتظل مقيدة بقواعد سلامة قابلة للتنفيذ.

تشير تجارب DIII-D إلى أن مشكلة التكامل هذه قابلة للحل. استوعب PACMAN خمس تطبيقات متميزة، واتخذ قرارات على نطاق ميليثانية، ووفّر مسارًا لإضافة نماذج جديدة دون إعادة تصميم نظام التحكم بالكامل. لا يزال بنية تحتية تجريبية، لكن البنية التحتية هي بالضبط ما يحول الاختراقات المعزولة إلى تقدم متكرر.

لا يزال الاندماج التجاري يتطلب تقدمًا في أداء البلازم، والمواد، ودورات الوقود، والصيانة، والاقتصاديات المزرعية. لن يحل التحكم الفوري بالذكاء الاصطناعي هذه الإنجازات. ومع ذلك، قد يصبح الطبقة التي تسمح لها بالعمل معًا داخل المفاعل.

المراجع:

^{1 Rothstein, A., Farre-Kaga, H. J., Butt, J., Shousha, R., Erickson, K., Wakatsuki, T., Steiner, P., Kim, S. K., Jalalvand, A., & Kolemen, E. (2026). تمكين التحكم المتكامل بالذكاء الاصطناعي على DIII-D: تصميم نظام تحكم مع تجارب متقدمة. Nuclear Fusion, 66(7), 076050. https://doi.org/10.1088/1741-4326/ae7f9d}