إتقان الاندماج باستخدام الذكاء الاصطناعي لفتح طاقة نظيفة لا نهائية

مع نفاد الوقود الأحفوري بسرعة وتفاقم تغير المناخ، نحن في الحاجة إلى الطاقة النظيفة. 

في حين أن مصادر الطاقة المتجددة تقدم بديلاً واعدًا، إلا أنها تواجه تحدياتها الخاصة من حيث قيود تخزين الطاقة، وتعقيدات دمج الشبكة، والتكاليف الأولية العالية، والطبيعة المتقطعة لبعض المصادر مثل الشمس والرياح. بالإضافة إلى ذلك، فإن استخدام الأراضي، والعوائق السياسية، والحاجة إلى بنية تحتية قوية تشكل أيضًا عقبات كبيرة. 

هنا يأتي دور الطاقة النووية لتغيير اللعبة. الطاقة النووية هي شكل من أشكال الطاقة يُطلق من النواة، وهي اللب المركزي الموجب الشحنة للذرات، ويتكون من البروتونات والنيوترونات. 

وفقًا للوكالة الدولية للطاقة (IEA)، تشكل الطاقة النووية حوالي 10٪ من توليد الكهرباء عالميًا. 

ولكن على الرغم من قدرتها على إنتاج طاقة خالية من الانبعاثات، فإن التكاليف الأولية الكبيرة، وفترات التنفيذ الطويلة، وسجل ضعيف في التسليم في الوقت المحدد تقيد اعتماد الطاقة النووية، وفقًا للوكالة الدولية للطاقة. ومع ذلك، فإن الزخم الجديد حول العالم لديه القدرة على فتح عصر جديد للطاقة النووية مع مفاعلات ستبدأ عمليات تجارية في الصين، وأوروبا، والهند، واليابان، وكوريا.

الآن، هناك طريقتان يمكن من خلالهما إنتاج هذا المصدر من الطاقة:

• الاندماج
• الانشطار

الانشطار هو العملية التي تُقسم فيها نوى الذرات الثقيلة إلى نوى أصغر. الاندماج هو العملية التي تُدمج فيها نوى الذرات الأخف لتكوين نواة أثقل. كلاهما يطلق كميات هائلة من الطاقة.

في حين يُستخدم الانشطار فقط حاليًا على نطاق واسع لتوليد الكهرباء، فإن تركيزنا اليوم هو على الاندماج النووي.

ما زال الاندماج النووي في مرحلة البحث والتطوير، ويساهم قليلًا جدًا في إنتاج الطاقة العالمي، رغم أنه يحمل إمكانات هائلة للمستقبل. وهو في الواقع من أكثر مصادر الطاقة صديقة للبيئة، حيث لا توجد انبعاثات ثاني أكسيد الكربون أو أي انبعاثات ضارة أخرى أثناء العملية.

يمكن للكهرباء الخالية من الكربون من محطات الاندماج أن تتدفق باستمرار، بغض النظر عن الطقس أو ما إذا كان نهارًا أو ليلًا. على عكس الانشطار، لا يخلق الاندماج أي انصهارات كارثية محتملة أو نفايات نووية مشعة طويلة الأمد.

ليس فقط أن الاندماج لا يساهم في انبعاثات الغازات الدفيئة (GHG)، بل إن مصدرَي الوقود الرئيسيين له، الهيدروجين (للديوتيريوم) والليثيوم (للترتيوم)، متوفران على نطاق واسع.

في ظل هذا السياق، من المتوقع أن يلبي الاندماج النووي احتياجات البشرية من الطاقة لملايين السنين، وهذا يدفع دولًا حول العالم للعمل بنشاط على تحقيقه. 

العقبات بين رؤية الطاقة النووية والواقع

في عام 1915 تم اقتراح مفهوم الاندماج النووي لأول مرة من قبل الكيميائي الأمريكي ويليام درابر هاركنز. لكننا لم نتمكن بعد من تحقيقه بشكل ملموس. 

في الواقع، تشكل تفاعلات الاندماج المصدر الأساسي للطاقة في النجوم، بما في ذلك الكرة الضخمة من الغاز الساخن، الشمس. إنها العملية التي تُسمى الاندماج الحراري النووي التي حافظت على إشراق الشمس والنجوم لملايين السنين.

في الاندماج الحراري النووي، تتحد نوى الذرات عند درجات حرارة مرتفعة للغاية، تتراوح بين عشرة إلى مئة مليون درجة مئوية، مما يوفر طاقة كافية لتجاوز التنافر الكهربائي المتبادل بين نواتين. ثم تندمج لتشكل نواة واحدة وتطلق طاقة كبيرة.

تلعب القوة الجاذبية الضخمة للشمس دورًا أساسيًا هنا، حيث تُنتج ضغطًا شديدًا وحرارة وظروفًا للاندماج. بدون الجاذبية، لن تكون الشمس ساخنة وكثيفة بما يكفي لحدوث الاندماج.

الآن، لإنشاء الاندماج النووي على الأرض دون مستويات الجاذبية القوية يعني وضع نظائر خفيفة في مفاعل ثم تسخينها إلى مئات الملايين من درجات مئوية، مما يحولها إلى ‘بلازما’ مؤينة.

البلازما هي غاز مشحون مكوّن من أيونات موجبة وإلكترونات حرة الحركة. إنها شديدة الحرارة وصعبة التحكم، وتتطلب حقلًا مغناطيسيًا لمنعها من الهروب.

تمكن العلماء من تحقيق ظروف الاندماج النووي بانتظام، لكن استقرار البلازما وتحسين خصائص الاحتجاز لا يزالان غير محققين للحفاظ على التفاعل وإنتاج الطاقة بشكل مستدام.

على سبيل المثال، في أواخر عام 2022، تجربة اندماج متعددة المليارات من الدولارات نجحت أخيرًا في جعل عينة نظير صغيرة تطلق طاقة أكثر من طاقة الليزر المستخدمة لإشعالها، لكنها استمرت فقط حوالي عُشر نانوثانية.

لذا، الاندماج النووي عملية صعبة للغاية، تتطلب ظروفًا قصوى من درجات حرارة عالية وضغط شديد.

ثم هناك الحاجة إلى استقرار البلازما، ومنعها من ملامسة جدران المفاعل، وتقليل فقدان الحرارة، مما يجعل من الصعب الحفاظ على التفاعل. من الناحية الهندسية، نحتاج إلى مغناطيسات فائقة التوصيل كبيرة وقوية لحجز البلازما في توكامكات، وهو نوع شائع من مفاعلات الاندماج على شكل دونات، وأنظمة تفريغ متقدمة لتحقيق والحفاظ على الضغوط المنخفضة للغاية.

بالإضافة إلى ذلك، نحتاج إلى مواد يمكنها تحمل درجات حرارة عالية، وتدفقات حرارية مرتفعة، وإشعاع نيوتروني شديد. لمواجهة هذه التحديات، يلجأ العلماء إلى الذكاء الاصطناعي (AI). 

الذكاء الاصطناعي يلعب دورًا متزايد الأهمية في تسريع أبحاث وتطوير الاندماج النووي. من خلال الاستفادة من التعلم الآلي وخوارزميات الذكاء الاصطناعي الأخرى، يقوم الباحثون بتحسين تصميم المفاعلات، واكتشاف وتصحيح الأخطاء الأساسية في القياسات، وتسريع اكتشاف المواد، وتوقع ومنع اضطرابات البلازما، والتحكم في حالة البلازما، وتحسين كفاءة واستقرار تفاعلات الاندماج.

من خلال معالجة كميات هائلة من البيانات المعقدة والعلاقة المتشابكة بين مختلف جوانب عملية الاندماج، يمكن للذكاء الاصطناعي تحسين فهمنا لها، وتسريع تطوير تصاميم مفاعلات جديدة، وتقليل جداول التطوير بشكل كبير، مما يمهد الطريق لتسويق الطاقة النووية.

الذكاء الاصطناعي يساعد في تجاوز الحواجز الفيزيائية للاندماج

الذكاء الاصطناعي يغير الصناعات بسرعة، بما في ذلك قطاع الطاقة، حيث يساعد في حل أزمة الطاقة العالمية من خلال تحقيق طاقة نووية خالية من الكربون ولا حدود لها. 

في هذا الصدد، استخدمت Google DeepMind التعلم المعزز العميق (RL) للتحكم بنجاح في البلازما¹ داخل توكامك وتشكيلها بدقة إلى أشكال مختلفة. لتطوير نظام RL، تعاونوا مع المركز السويسري للبلازما في EPFL. يكتشف النظام بشكل مستقل كيفية التحكم في الملفات المغناطيسية المحيطة بالتوكامك واحتواء البلازما فيه.

في العام الماضي، أطلقت الشركة أيضًا محاكي بلازما يُدعى TORAX²، الذي يُنمذج “نواة” البلازما ثم يتنبأ بالتغييرات في درجة الحرارة والكثافة والتيار الكهربائي.

في وقت سابق من العام الماضي، استخدم فريق في جامعة برينستون أيضًا التعلم المعزز لتوقع الشكل الرئيسي للاضطرابات في بلازما الاندماج حتى 300 مللي ثانية قبل ظهورها. تُعرف باسم “عدم استقرار وضعية التمزق”، وتحدث عندما تنكسر خطوط المجال المغناطيسي داخل البلازما، مما يسمح لها بالهروب وبالتالي إيقاف عملية الاندماج.

من المتوقع أن “تصبح هذه عدم الاستقرار أكثر بروزًا كلما حاولنا تشغيل تفاعلات الاندماج بالقوى العالية المطلوبة لإنتاج طاقة كافية”، قال المؤلف الأول جيمين سيو، أستاذ مساعد في الفيزياء بجامعة تشونغ-آنج في كوريا الجنوبية. “إنها تحدٍ مهم علينا حله”.

نموذج الذكاء الاصطناعي الخاص بهم يتنبأ بعدد عدم استقرار وضعية التمزق المحتملة مسبقًا³ ثم يجري تغييرات على بعض معلمات التشغيل لتجنب التمزق داخل خطوط المجال المغناطيسي للبلازما.

النموذج، المدرب على بيانات تجارب سابقة، يُعطى هدفًا للحفاظ على تفاعل عالي الطاقة، مع ظروف يجب تجنبها، مثل عدم استقرار وضعية التمزق، والضوابط التي يمكنه تعديلها لتحقيق هذه النتائج. مع مرور الوقت، “يتعلم” نموذج الذكاء الاصطناعي “المسار الأمثل” للحفاظ على هدف الطاقة العالية مع تجنب عدم الاستقرار.

«من خلال التعلم من التجارب السابقة، بدلاً من دمج المعلومات من النماذج الفيزيائية، يمكن للذكاء الاصطناعي تطوير سياسة تحكم نهائية تدعم نظام بلازما مستقر وعالي الطاقة في الوقت الحقيقي، داخل مفاعل حقيقي.»

– قائد البحث إيغمن كولمان

بينما نفّذ النموذج عددًا لا يحصى من تجارب الاندماج المحاكاة للعثور على مسارات، لاحظ الفريق في الخلفية “نواياها” وصقل الإجراءات، متصرفًا كوسيط “بين ما يرغب الذكاء الاصطناعي في القيام به وما يمكن للتوكامك استيعابه”.

اختبر فريق المهندسين والفيزيائيين وعلماء البيانات نموذجهم وأظهروه في تجارب بمرفق الاندماج الوطني DIII-D في سان دييغو.

ثم، في وقت سابق من هذا العام، نُشر ورقة بحثية بعنوان “توقع الأداء والاضطراب في بلازما إيتير المشتعلة عبر توقع ملف غير خطي للغيروكنيتيك⁴\” من تأليف ناثان هوارد، عالم أبحاث رئيسي في مركز علوم البلازما والاندماج بجامعة MIT (PSFC).

استخدم هوارد وفريقه التعلم الآلي والمحاكاة لتوقع سلوك البلازما في جهاز الاندماج.

«في الورقة، شرحوا أن محاكاة الاضطراب عالية الدقة تؤكد أن توكامك إيتير، أكبر جهاز تجريبي للاندماج في العالم الجاري بناؤه حاليًا في جنوب فرنسا، سيعمل كما هو متوقع عندما يبدأ تشغيله، والذي لن يكون قبل عام 2035 على الأقل.»

للتحقق من السيناريو، استخدم الفريق برنامج CGYRO، وهو برنامج يستغرق وقتًا طويلاً يطبق نموذجًا معقدًا لفيزياء البلازما على ظروف تشغيل معينة لإنتاج محاكاة مفصلة لسلوك البلازما في مواقع مختلفة داخل جهاز الاندماج.

ثم تم تشغيل المحاكاة عبر إطار عمل PORTALS، الذي يأخذ عمليات التشغيل عالية الدقة ويستخدم التعلم الآلي لبناء ‘نموذج بديل’، وهو نموذج يمكنه تقليد نتائج العمليات الأكثر تعقيدًا، ولكن بسرعة أكبر.

أشار الباحثون إلى أن أدوات النمذجة عالية الدقة مثل PORTALS توفر «لمحة عن نواة البلازما قبل تكوينها حتى». يتيح هذا النهج القائم على التنبؤ أولاً إنشاء بلازما أكثر كفاءة في جهاز مثل إيتير.

كما أظهر الفريق إعدادات تشغيل مختلفة حيث يمكن إنتاج نفس كمية الطاقة الناتجة ولكن بمدخل طاقة أقل.

اسحب للتمرير →

رسم ظلال الاندماج باستخدام HEAT-ML 

يُستخدم الآن نهج جديد للذكاء الاصطناعي لحماية داخل مفاعلات الاندماج من الحرارة الشديدة للبلازما. هذه الطريقة الجديدة تُسرّع سرعة الحسابات المطلوبة للعثور على “ظلال مغناطيسية” في حاويات الاندماج.

هذه الظلال هي ملاذات آمنة تُحمي من حرارة البلازما الشديدة.

تحدي الحرارة داخل التوكامك

كما شرحنا أعلاه، عندما تُحجز البلازما في التوكامك باستخدام الحقول المغناطيسية، تصل الحرارة الصادرة عن البلازما إلى درجة حرارة أعلى حتى من نواة الشمس. من أجل استغلال الاندماج، يجب التحكم في هذه الحرارة.

«قد تتلامس مكونات التوكامك المواجهة للبلازما مع البلازما، التي تكون حارة جدًا ويمكن أن تذيب أو تتلف هذه العناصر. أسوأ ما يمكن أن يحدث هو أنه سيتعين إيقاف العمليات.»

للتغلب على هذه المشكلة، يستخدم الباحثون الذكاء الاصطناعي الذي يمكنه تسريع الحسابات التي تتنبأ بالمكان الذي ستضرب فيه الحرارة داخل التوكامك.

من خلال تسريع حسابات HEAT بشكل كبير، يتيح النموذج إمكانية تطبيقات في الوقت الحقيقي لحماية المبدد وإجراءات التحكم.

تعاون لدفع الابتكار في الاندماج

أدى شراكة بين القطاعين العام والخاص بين PPL، ومختبر أوك ريدج الوطني التابع لوزارة الطاقة الأمريكية (DOE)، وشركة طاقة الاندماج Commonwealth Fusion Systems (CFS)، التي هي فرع من MIT وتهدف إلى بناء محطة طاقة اندماج صغيرة تعتمد على تصميم توكامك ARC، إلى هذا النهج الجديد للذكاء الاصطناعي المسمى HEAT-ML.

تم تفصيل نموذج البديل القائم على التعلم الآلي (HEAT-ML) في أحدث دراسة بعنوان “توقعات أقنعة الظل في مكونات توكامك SPARC المواجهة للبلازما باستخدام كود HEAT وطرق التعلم الآلي.”⁵

يهدف HEAT-ML إلى وضع أساس للبرمجيات لتسريع تصميم أنظمة الاندماج المستقبلية، وكذلك منع أي مشاكل قبل حدوثها عن طريق تعديل البلازما، مما يتيح اتخاذ قرارات جيدة.

«تظهر هذه الأبحاث أنه يمكنك أخذ كود موجود وإنشاء نموذج بديل بالذكاء الاصطناعي سيُسرّع قدرتك على الحصول على إجابات مفيدة، ويفتح طرقًا مثيرة للاهتمام فيما يتعلق بالتحكم وتخطيط السيناريوهات.»

– المؤلف المشارك للورقة، مايكل تشرتشل، رئيس الهندسة الرقمية في PPPL.

رسم الظلال المغناطيسية لحماية المواد

تم تصميم HEAT-ML خصيصًا لمحاكاة جزء صغير من SPARC.

SPARC هو توكامك قيد التطوير حاليًا من قبل CFS بالتعاون مع MIT PSFC. من المقرر أن يبدأ تشغيله العام المقبل ويهدف إلى إظهار مكسب طاقة صافي، حيث ينتج طاقة أكثر مما يستهلك بحلول عام 2027.

لتحقيق ذلك، يحاكي الباحثون كيفية تأثير الحرارة على داخل هذا التوكامك.

تحدٍ حوسبي كبير، يجعل الباحثون الأمر قابلًا للإدارة من خلال التركيز على قسم SPARC، حيث يلتقي شدة حرارة تفريغ البلازما مع جدار المادة. وهذا يشمل 15 بلاطة حول قاعدة الجهاز، وهي الجزء الذي سيكون نظام التفريغ فيه عرضة لأكثر الحرارة.

لإنشاء هذه المحاكاة، أنشأ الفريق أقنعة الظل، وهي خرائط ثلاثية الأبعاد للظلال المغناطيسية. هذه الخرائط تمثل مناطق محددة على أسطح مكونات نظام الاندماج الداخلية التي تُحمي من الحرارة المباشرة. يعتمد موقعها على شكل الأجزاء داخل التوكامك وكذلك على كيفية تفاعلها مع خطوط المجال المغناطيسي التي تحجز البلازما.

تسريع المحاكاة من دقائق إلى مليثانية

تم حساب أقنعة الظل في الأصل باستخدام برنامج الحاسوب مفتوح المصدر المسمى HEAT، أو مجموعة أدوات تحليل تدفق الحرارة.

تم بناء البرنامج بواسطة توم لويبي من CFS بالتعاون مع قائد فريق تشخيص SPARC م Matt Reinke، وقد طُبق في البداية على نظام التفريغ لتوكامك كروي من PPPL يُدعى جهاز تجربة التوروس الكروي الوطني (NSTX-U)، والذي صُمم ليكون الأقوى في العالم.

استخدم الباحثون الآن التعلم الآلي لتكملة HEAT، مطورين نماذج بديلة ثلاثية الأبعاد لحسابات سريعة ودقيقة لحمل الحرارة.

يتبع HEAT-ML الناتج خطوط المجال المغناطيسي من سطح المكون ليرى ما إذا كانت تتقاطع مع أجزاء داخلية أخرى. إذا تقاطعت الخطوط، يتم وضع علامة على تلك النقطة كمنطقة مظللة، أو ظل مغناطيسي.

كانت عملية تتبع الخطوط واكتشاف المكان الذي تلتقي فيه مع الهندسة التفصيلية ثلاثية الأبعاد للجهاز بأكمله عنق زجاجة كبير، حيث قد تستغرق حوالي 30 دقيقة لمحاكاة واحدة فقط. إذا كانت هناك هندسات معقدة، قد تستغرق وقتًا أطول.

مكن HEAT-ML الفريق من تجاوز هذا القيد، مسرّعًا الحسابات إلى مجرد مليثانية.

نحو التحكم في الوقت الحقيقي لمصانع طاقة الاندماج

يستخدم نموذج HEAT-ML شبكة عصبية عميقة، وهي شكل من أشكال الذكاء الاصطناعي ذات طبقات مخفية متعددة تُطبق على البيانات لتعلم مهام محددة من خلال التعرف على الأنماط. في هذه الحالة، تم تدريب HEAT-ML على حوالي 1,000 محاكاة لـ SPARC من HEAT لتحديد مناطق الظل.

نظرًا لأنه مرتبط بالتصميم المحدد لنظام تفريغ SPARC، يعمل HEAT-ML فقط على هذا الجزء من هذا التوكامك المحدد.

لذلك، في الوقت الحالي، هو إعداد اختياري في كود HEAT. لكن الفريق يأمل في توسيع قدرات نموذجهم لتعميم حسابات أقنعة الظل لأي أنظمة تفريغ، بغض النظر عن حجمها وشكلها، وكذلك مكونات أخرى تواجه البلازما داخل التوكامك.
وفقًا للدراسة، يُعد تفريغ الطاقة تحديًا حاسمًا للجيل القادم من أجهزة الاندماج ويحتاج إلى حلول مبتكرة في تصميم وتشغيل المبدد. وأشارت الدراسة إلى:

«الهدف النهائي هو دمج النموذج للتحكم في الوقت الحقيقي واتخاذ قرارات تشغيلية مستقبلية.»

الاستثمار في الطاقة النووية

عملاق التكنولوجيا Microsoft Corporation (MSFT ) يستكشف بنشاط الطاقة النووية والتسريع عبر الذكاء الاصطناعي، إذ يعتقد أنه يجب أن يكون جزءًا من مزيج مصادر الطاقة الخالية من الكربون.

صرّحت مسؤولة الاستدامة في مايكروسوفت، ميلاني ناكاجاوا، أن الاندماج هو رهان طويل الأمد وقالت إن الصناعات خلال السنوات القليلة الماضية حققت أنواعًا مختلفة من الإنجازات التي “أثارت الكثير من التفاؤل بأن هذه قد تكون اللحظة التي يبرز فيها الاندماج فعليًا خلال هذا العقد، أو قريبًا في هذا العقد”.

Microsoft Corporation (MSFT )

لتحقيق أهدافها في الاندماج، وقعت مايكروسوفت صفقة رائدة مع شركة الاندماج الخاصة Helion Energy في عام 2023. وفقًا للصفقة، ستزود Helion مراكز بيانات مايكروسوفت بالطاقة المولدة بالاندماج بحلول عام 2028.

بدعم أيضًا من فرع رأس المال المخاطر في SoftBank وسام ألتمان من OpenAI، بدأت Helion بناء محطة الاندماج النووي المخطط لها والتي تُدعى Orion هذا العام، رغم أن التصاريح النهائية لم تُحصل بعد.

يعمل النموذج الأولي Polaris من Helion حاليًا على إيجاد طريقة لتوليد طاقة أكثر مما يتطلب لإنشاء والحفاظ على التفاعل. أما Orion، وفقًا للرئيس التنفيذي لها، فستتصل بشبكات توصيل الطاقة.

فيما يتعلق بأداء مايكروسوفت في السوق، فإن أسهم الشركة ذات القيمة السوقية التي تبلغ 3.86 تريليون دولار تتداول حوالي 521 دولارًا، بارتفاع 23.41٪ منذ بداية العام. لديها ربحية السهم (TTM) قدرها 13.64 ومضاعف السعر إلى الأرباح (TTM) 38.25. عائد الأرباح المتاح هو 0.64٪.

أما بالنسبة لالبيانات المالية للربع المنتهي في 30 يونيو 2025، فقد أظهرت زيادة بنسبة 18٪ في الإيرادات لتصل إلى 76.4 مليار دولار، وزيادة بنسبة 23٪ في الدخل التشغيلي إلى 34.3 مليار دولار، وارتفاع بنسبة 24٪ في صافي الدخل إلى 27.2 مليار دولار. بينما كان ربح السهم المخفف 3.65 دولارًا، بارتفاع 24٪.

«السحابة والذكاء الاصطناعي هما القوة الدافعة لتحول الأعمال عبر كل صناعة وقطاع.»

– الرئيس التنفيذي ساتيا ناديلا

آخر أخبار وتطورات سهم مايكروسوفت (MSFT)

الخلاصة

إحدى أكثر المسارات واعدة للطاقة النظيفة هي الاندماج، لكن الطريق إلى تسويقه طويل وشاق. ومع ذلك، يثبت الذكاء الاصطناعي أنه العامل المسرّع الذي يمكنه أخيرًا تحويل هذا الحلم الذي دام قرونًا إلى واقع، ضمن أعمارنا.

من خلال الاستفادة من الأساليب القائمة على الذكاء الاصطناعي، يعمل الباحثون على جعل أنظمة الاندماج قوية وقابلة للاستدامة الاقتصادية. من تسريع البحث وحل عدم استقرار البلازما إلى حماية أنظمة المفاعلات، يمكن للذكاء الاصطناعي المساعدة في جلب الطاقة النووية إلى الشبكة والسماح للبشرية بالوصول إلى طاقة لا حدود لها.

انقر هنا لتعرف كيف ستبدو الجيل الرابع من الطاقة النووية.

المراجع:

1. Degrave, J., Felici, F., Buchli, J., et al. التحكم المغناطيسي في بلازما التوكامك عبر التعلم المعزز العميق. Nature, 602(7897), 414–419, published 16 فبراير 2022. https://doi.org/10.1038/s41586-021-04301-9
2. Citrin, J., Goodfellow, I., Raju, A., Chen, J., Degrave, J., Donner, C., Felici, F., Hamel, P., Huber, A., Nikulin, D., Pfau, D., Tracey, B., Riedmiller, M., & Kohli, P. TORAX: محاكي نقل توكامك سريع وقابل للاشتقاق في JAX. arXiv preprint arXiv:2406.06718, published 10 يونيو 2024, last revised 7 ديسمبر 2024. https://doi.org/10.48550/arXiv.2406.06718
3. Seo, J., Kim, S., Jalalvand, A., et al. تجنب عدم استقرار تمزق بلازما الاندماج باستخدام التعلم المعزز العميق. Nature, 626(8001), 746–751, published 21 فبراير 2024. https://doi.org/10.1038/s41586-024-07024-9
4. Howard, N. T., Rodriguez-Fernandez, P., Holland, C., & Candy, J. توقع الأداء والاضطراب في بلازما إيتير المشتعلة عبر توقع ملف غير خطي للغيروكنيتيك. Nuclear Fusion, 65(1), 016002, published 11 نوفمبر 2024. https://doi.org/10.1088/1741-4326/ad8804
5. Corona, D., Scotto d’Abusco, M., Churchill, M., Munaretto, S., Kleiner, A., Wingen, A., & Looby, T. توقعات أقنعة الظل في مكونات توكامك SPARC المواجهة للبلازما باستخدام كود HEAT وطرق التعلم الآلي. Fusion Engineering and Design, 217, 115010, published أغسطس 2025. https://doi.org/10.1016/j.fusengdes.2025.115010