कृत्रिम बुद्धिमत्ता
एआई फ्यूजन प्रतिक्रिया अस्थिरताओं की भविष्यवाणी और रोकथाम कर सकता है
लगभग एक सदी पहले जब नाभिकीय फ्यूजन की अवधारणा समझी गई थी, तब से इंजीनियरों से लेकर वैज्ञानिकों तक, हर कोई इसे बनाने और उपयोग करने के तरीकों की खोज में लगा है। आखिरकार, जब हम औद्योगिक स्तर पर नाभिकीय फ्यूजन हासिल कर लेंगे, तो यह बढ़ती मांग को पूरा करने के लिए किफायती, सुरक्षित, गैर-प्रदूषक और लगभग असीमित ऊर्जा प्रदान कर सकता है।
नाभिकीय फ्यूजन क्या है? यह वह प्रक्रिया है जिसमें दो या अधिक हल्के परमाणु नाभिक एक साथ मिलकर एक अलग और भारी परमाणु नाभिक बनाते हैं, जिससे बड़ी मात्रा में ऊर्जा मुक्त होती है। दिलचस्प बात यह है कि फ्यूजन प्रतिक्रियाएँ सूर्य और तारों को ऊर्जा प्रदान करती हैं, जिससे पृथ्वी पर जीवन संभव हो पाता है।
हालाँकि, दो परमाणुओं को मिलाना काफी कठिन है, क्योंकि इसके लिए उन्हें आपसी प्रतिकर्षण को पार करने हेतु अत्यधिक दबाव और ऊर्जा की आवश्यकता होती है। सूर्य यह अपने विशाल गुरुत्वाकर्षण और कोर में अत्यधिक उच्च दबाव के माध्यम से करता है।
अब, शोधकर्ता अपने स्वयं के फ्यूजन रिएक्टर बनाने का प्रयास कर रहे हैं। ये फ्यूजन प्रतिक्रियाएँ प्लाज़्मा में होती हैं, जो पदार्थ की एक अवस्था है। प्लाज़्मा, एक गर्म, आवेशित गैस है जिसमें मुक्त नकारात्मक इलेक्ट्रॉन और सकारात्मक आयन होते हैं, जिससे विद्युत धारा इसका प्रवाह कर सकती है।
इस प्रक्रिया को दोहराने के लिए, वैज्ञानिक अत्यंत गर्म प्लाज़्मा और बहुत मजबूत मैग्नेट का उपयोग करते हैं। हालांकि, अत्यधिक गर्म, अत्यधिक जटिल और अव्यवस्थित प्लाज़्मा अपनी स्थिरता बहुत जल्दी खो सकता है और डोनट-आकार के फ्यूजन रिएक्टर में उसे घेरने वाले मजबूत चुंबकीय क्षेत्रों से बाहर निकल सकता है, जो आमतौर पर प्रतिक्रिया के समाप्त होने का संकेत देता है। इन डोनट-आकार के उपकरणों को टोकामाक कहा जाता है।
यह, बेशक, फ्यूजन को एक स्वच्छ और असीमित ऊर्जा स्रोत के रूप में विकसित करने में एक महत्वपूर्ण चुनौती प्रस्तुत करता है। हालांकि, प्रिंस्टन विश्वविद्यालय और यू.एस. डिपार्टमेंट ऑफ एनर्जी के प्रिंस्टन प्लाज़्मा फिजिक्स लैबोरेटरी (PPPL) की डेटा वैज्ञानिकों, इंजीनियरों और भौतिकविदों की टीम कृत्रिम बुद्धिमत्ता (AI) का उपयोग करके वास्तविक समय में एक विशिष्ट प्लाज़्मा समस्या के गठन की भविष्यवाणी कर रही है ताकि इसे टाला जा सके।
सैन डिएगो के DIII-D नेशनल फ्यूजन फ़ैसिलिटी में, जो यू.एस. डिपार्टमेंट ऑफ एनर्जी (DOE) के लिए जनरल एटॉमिक्स द्वारा संचालित एक ऑफिस ऑफ साइंस है, शोधकर्ताओं ने अपने प्रयोग चलाए और अपने AI मॉडल को प्रदर्शित किया, जिसे संभावित प्लाज़्मा अस्थिरताओं की भविष्यवाणी करने में सक्षम दिखाया गया। टियरिंग मोड अस्थिरताओं को AI द्वारा 300 मिलीसेकंड तक अग्रिम में भविष्यवाणी किया जा सकता है। संदर्भ के लिए, यूसीएल के शोधकर्ताओं के अनुसार, हमारी औसत पलक झपकने की अवधि 100–150 मिलीसेकंड होती है।
हालांकि यह अवधि अत्यंत छोटी है, यह AI नियंत्रक को विशिष्ट संचालन पैरामीटर बदलने के लिए पर्याप्त समय प्रदान करती है ताकि प्लाज़्मा की चुंबकीय क्षेत्र रेखाओं में टियरिंग को रोका जा सके, जो संतुलन को बिगाड़ेगा और संभावित रूप से प्रतिक्रिया को समाप्त कर देगा।
AI मॉडल को पिछले परीक्षणों के डेटा पर प्रशिक्षित किया गया, न कि भौतिक-आधारित मॉडलों की जानकारी पर। इस तरह, \”AI वास्तविक समय में, वास्तविक रिएक्टर में, एक स्थिर, उच्च-शक्तिशाली प्लाज़्मा अवस्था को समर्थन देने वाली अंतिम नियंत्रण नीति विकसित कर सकता था,\” अध्ययन के प्रमुख एगेमेन कोलेमन ने कहा, जो PPPL में स्टाफ रिसर्च फिजिसिस्ट हैं और एंडलिंगर सेंटर फॉर एनर्जी एंड द एनवायरनमेंट में मैकेनिकल और एयरोस्पेस इंजीनियरिंग के एसोसिएट प्रोफेसर भी हैं।
वर्तमान दृष्टिकोणों के विपरीत, यह फ्यूजन प्रतिक्रिया के अधिक गतिशील नियंत्रण की अनुमति देता है और AI का उपयोग करके प्लाज़्मा अस्थिरताओं के व्यापक सेट के समाधान खोजने के लिए एक आधार प्रदान करता है। यह महत्वपूर्ण है क्योंकि यह लंबे समय से निरंतर फ्यूजन प्रतिक्रिया हासिल करने में एक चुनौती प्रस्तुत कर रहा है।
क्लिक करें यहाँ और कृत्रिम बुद्धिमत्ता (AI) में निवेश के बारे में सब कुछ जानें।
फ्यूजन अनुसंधान में एआई का बढ़ता उपयोग
नेचर में प्रकाशित, यह अध्ययन प्लाज़्मा में टियरिंग अस्थिरताओं की भविष्यवाणी करने और उन्हें उत्पन्न होने से पहले रोकने पर केंद्रित है। यह पिछले दृष्टिकोणों से अलग है, जो, अध्ययन के लेखक जैमिन सियो के अनुसार, जो दक्षिण कोरिया के चुंग-एंग विश्वविद्यालय में सहायक प्रोफेसर हैं, आमतौर पर इन अस्थिरताओं के उत्पन्न होने के बाद उनके प्रभावों को कम करने या दबाने पर काम करते थे।
प्रिंस्टन टीम ने टियरिंग मोड अस्थिरताओं को संबोधित किया, जो एक प्रकार का व्यवधान है जहाँ चुंबकीय क्षेत्र रेखाएँ 100 मिलियन डिग्री सेल्सियस से अधिक तापमान वाले प्लाज़्मा को नियंत्रित नहीं कर पातीं, जिससे प्लाज़्मा विघटन होता है। यह सूर्य के केंद्र से भी अधिक गर्म है। जैसे सियो ने कहा:
“टियरिंग मोड अस्थिरताएँ, प्लाज़्मा विघटन के प्रमुख कारणों में से एक, तब और अधिक प्रमुख हो जाएँगी जब हम पर्याप्त ऊर्जा उत्पन्न करने के लिए आवश्यक उच्च शक्ति पर फ्यूजन प्रतिक्रियाएँ चलाने का प्रयास करेंगे, जो एक बड़ी चुनौती प्रस्तुत करती हैं जिसे हल करना आवश्यक है।”
चूँकि यह प्रकार की अस्थिरता मिलिसेकंड में बन सकती है और फिर फ्यूजन प्रतिक्रिया को बाधित कर सकती है, शोधकर्ताओं ने AI की तेज़ डेटा प्रोसेसिंग और प्रतिक्रिया क्षमता की ओर रुख किया है।
हालाँकि यह पहली बार नहीं था जब AI को फ्यूजन अनुसंधान में उपयोग किया गया। वास्तव में, इन प्रयोगों में उत्पन्न विशाल डेटा का मूल्यांकन करने के लिए मशीन लर्निंग और AI में बढ़ती रुचि देखी गई है।
प्रशिक्षण डेटा का मूल्यांकन करने पर, AI पैटर्न पहचानता है और उनसे सिद्धांत निकालता है। उदाहरण के तौर पर, वेंडेलस्टीन 7-X स्टारलेटर में प्लाज़्मा संतुलन की स्थिति का लाइव डिटेक्शन करता है, जो एक प्लाज़्मा उपकरण है जो प्लाज़्मा को संलग्न करने के लिए बाहरी मैग्नेट पर निर्भर करता है।
जैसे रिकार्डो बेत्टी, LLE के मुख्य वैज्ञानिक, और रॉबर्ट एल. मैक्रोरी, भौतिकी और खगोल विज्ञान विभाग तथा मैकेनिकल इंजीनियरिंग विभाग के प्रोफेसर, ने कहा:
“अब हमारे पास प्रयोगात्मक डेटा की समृद्धि है जिसे हम मशीन लर्निंग के साथ उपयोग करके सिमुलेशन को व्यवस्थित रूप से सुधार सकते हैं और प्रयोगों में वास्तविक समय समायोजन का मार्गदर्शन कर सकते हैं।”
इसी बीच, 2021 में एक अध्ययन में, डियोगो फेरेइरा, जो पुर्तगाल के लिस्बन विश्वविद्यालय के इंस्टीट्यूटो सुपीरियर टैक्निको में सूचना प्रणाली के प्रोफेसर हैं, ने फ्यूजन अनुसंधान के लिए AI, ML, और DL मॉडलों के तीन विभिन्न उपयोगों का विवरण दिया। उनके एक मॉडल ने सुपर-हॉट प्लाज़्मा में व्यवधानों की भविष्यवाणी की, दूसरा मॉडल प्लाज़्मा में विसंगतियों का पता लगाता है, और तीसरा मॉडल प्लाज़्मा विकिरण पैटर्न की दृश्य प्रतिनिधित्व से संबंधित है।
अब, यह नवीनतम अध्ययन, जो DOE के ऑफिस ऑफ फ्यूजन एनर्जी साइंसेज़ और कोरिया के नेशनल रिसर्च फाउंडेशन द्वारा समर्थित है, मशीन लर्निंग (ML) की उपशाखा डीप रिइन्फोर्समेंट लर्निंग (RL) की मदद से फ्यूजन प्लाज़्मा टियरिंग अस्थिरता को रोकने पर काम कर रहा है। DOE ने MIT प्लाज़्मा साइंस एंड फ्यूजन सेंटर को फ्यूजन डेटा तक पहुंच सुधारने के लिए भी वित्तीय समर्थन प्रदान किया है।
एक सफल कृत्रिम बुद्धिमत्ता नियंत्रक बनाने के लिए, प्रिंस्टन टीम को DIII-D टोकामाक में पिछले परीक्षणों के डेटा का उपयोग करना पड़ा। फिर एक डीप न्यूरल नेटवर्क बनाया गया जिसमें वास्तविक समय में प्लाज़्मा की विशेषताओं के आधार पर आगामी टियरिंग अस्थिरता की संभावना की भविष्यवाणी करने की क्षमता थी।
यह, अध्ययन के सह-लेखक और कोलेमन के समूह में शोधकर्ता अज़राख़श जलालवंद के अनुसार, ऐसा था जैसे किसी को विमान उड़ाना सिखाना, जहाँ आप उन्हें \”चाबियाँ दे कर और कहकर नहीं कहेंगे कि वे अपना सर्वश्रेष्ठ प्रयास करें,\” बल्कि \”आप उन्हें एक बहुत जटिल फ्लाइट सिम्युलेटर पर अभ्यास कराते हैं जब तक कि वे वास्तविक चीज़ आज़माने के लिए पर्याप्त सीख न जाएँ।\”
टीम ने फिर अपने न्यूरल नेटवर्क पर एक रिइन्फोर्समेंट लर्निंग (RL) एल्गोरिदम को प्रशिक्षित किया, जो प्लाज़्मा को नियंत्रित करने के विभिन्न रणनीतियों को आज़मा सकता है। एल्गोरिदम सिम्युलेटेड वातावरण की सुरक्षा के भीतर परीक्षण और त्रुटि के माध्यम से सीखता है।
पूरे फ्यूजन प्रतिक्रिया की जटिल भौतिकी सिखाने के बजाय, टीम ने रिइन्फोर्समेंट लर्निंग मॉडल को केवल अपना लक्ष्य बताया, जो था उच्च-शक्तिशाली प्रतिक्रिया को बनाए रखना और क्या बचना है, अर्थात् टियरिंग मोड अस्थिरता और उन नॉब्स को जो वह इन परिणामों को प्राप्त करने के लिए उपयोग कर सकता है। फिर, समय के साथ, मॉडल उच्च शक्ति स्तर प्राप्त करने के लिए सर्वोत्तम मार्ग सीखता है जबकि अस्थिरता के दंड से बचता है।
जैसे ही मॉडल ने अनगिनत सिम्युलेटेड फ्यूजन प्रयोगों को चलाया, टीम ने देखा और उसके कार्यों को परिष्कृत किया क्योंकि कुछ परिवर्तन बहुत तेज़ थे।
“मानव के रूप में, हम AI की इच्छाओं और टोकामाक की क्षमता के बीच मध्यस्थता करते हैं।”
– संगक्यून किम, अध्ययन के सह-लेखक & स्टाफ रिसर्च वैज्ञानिक at PPPL
टीम ने केवल तब वास्तविक फ्यूजन प्रयोग के दौरान AI नियंत्रक का परीक्षण किया जब उन्हें इसकी क्षमताओं पर भरोसा हो गया। AI नियंत्रक ने तब D-III D टोकामाक के कुछ पैरामीटरों में वास्तविक समय परिवर्तन किए, जिसमें प्लाज़्मा के आकार और प्रतिक्रिया में शक्ति डालने वाले बीम की शक्ति को बदलना शामिल था, ताकि अस्थिरता के उत्पन्न होने से बचा जा सके।
एक सार्वभौमिक समाधान
यह नवीनतम शोध, जिसके निष्कर्ष पिछले सप्ताह नेचर में प्रकाशित हुए, एक सक्रिय दृष्टिकोण प्रस्तुत करता है, जो वर्तमान \”अधिक निष्क्रिय\” दृष्टिकोणों के विपरीत है, जो अस्थिरताओं की पूर्वानुमान में मदद करता है, जिससे इन प्रतिक्रियाओं को चलाना आसान हो जाता है। किम ने कहा:
“अब हमें अस्थिरताओं के उत्पन्न होने का इंतजार नहीं करना पड़ता और फिर प्लाज़्मा के विघटित होने से पहले तेज़ सुधारात्मक कार्रवाई करनी पड़ती है।”
यह अध्ययन निश्चित रूप से एक आशाजनक प्रमाण-परिकल्पना है जो दर्शाता है कि AI फ्यूजन प्रतिक्रियाओं को प्रभावी रूप से नियंत्रित कर सकता है। हालांकि, शोधकर्ताओं ने नोट किया कि कोलेमन के समूह पहले से ही फ्यूजन अनुसंधान के क्षेत्र को आगे बढ़ाने के लिए कई अगले कदमों पर काम कर रहा है।
इसलिए, जबकि \”मजबूत प्रमाण\” है कि AI नियंत्रक DIII-D टोकामाक में \”काफी अच्छा\” काम करता है, अब ध्यान इस नियंत्रक के अधिक प्रमाण प्राप्त करने, विभिन्न स्थितियों में भी यह काम करता है यह दिखाने, और फिर इसे अन्य टोकामाक में कार्य करने के लिए विस्तारित करने पर है।
लेकिन यह सब नहीं है। वर्तमान AI मॉडल केवल सीमित संख्या में डायग्नोस्टिक्स का उपयोग करता है जिससे वह केवल एक विशिष्ट प्रकार की अस्थिरता से बच सकता है। इसलिए, शोधकर्ता अन्य प्रकार की अस्थिरताओं पर डेटा प्रदान करना चाहते हैं तथा AI नियंत्रक के लिए अधिक नॉब्स तक पहुंच प्रदान करना चाहते हैं ताकि वह समायोजन कर सके। इस प्रकार टीम अपना एल्गोरिदम कई प्रकार की अस्थिरताओं को संभालने के लिए कई नॉब्स को एक साथ नियंत्रित करने के लिए विस्तारित करने का लक्ष्य रखती है।
इस मार्ग पर अधिक कुशल AI नियंत्रकों को बनाने के लिए, टीम आशा करती है कि AI फ्यूजन प्रतिक्रियाओं और भौतिकी की स्पष्टता और समझ को बढ़ाएगा और हमें इसके बारे में और अधिक सिखाएगा।
क्लिक करें यहाँ और जानें कि 2023 एआई का ब्रेकआउट वर्ष क्यों था।
AI और फ्यूजन प्रतिक्रिया के क्षेत्र में कार्य करने वाली कंपनियाँ
अब, चलिए इस क्षेत्र में कुछ प्रमुख नामों पर नज़र डालते हैं:
#1. Google
टेक दिग्गज का हाथ हर क्षेत्र में है, और इसमें एआई अनुसंधान और फ्यूजन ऊर्जा भी शामिल है। कुछ साल पहले, गूगल-समर्थित डीपमाइंड ने घोषणा की थी कि उसने प्लाज़्मा को नियंत्रित करने के लिए एक एआई सिस्टम को प्रशिक्षित किया एक नाभिकीय फ्यूजन रिएक्टर के भीतर। AI लैब ने एक RL एआई सिस्टम बनाया जो मैग्नेट को नियंत्रित करता है और हर सेकंड हजारों बार वोल्टेज बदलता है।
(GOOGL )
$1.75 ट्रिलियन बाजार वाली कंपनी के शेयर $140.38 पर ट्रेड हो रहे हैं, वर्ष-से-आज 3% बढ़े हैं। गूगल ने राजस्व (TTM) 307.39 बिलियन और EPS (TTM) 5.80, P/E (TTM) 24.17, और ROE (TTM) 27.36% दर्ज किया।
#2. TAE Technologies
पहले ट्राई अल्फा एनर्जी के नाम से जाना जाता था, कैलिफ़ोर्निया स्थित यह कंपनी फ्यूजन ऊर्जा तकनीक विकसित करने पर केंद्रित है। TAE Technologies वर्तमान में अपने फ्यूजन प्लेटफ़ॉर्म, नॉर्मन, को कॉपर्निकस नामक छठी पीढ़ी की मशीन में अपग्रेड कर रहा है। यदि सब कुछ सुचारू रूप से चलता है, तो कंपनी उम्मीद करती है कि वह अपने पहले प्रोटोटाइप पावर प्लांट का निर्माण करेगी जो शुरुआती 2030 के दशक में ग्रिड से जुड़ सकेगा, और इस स्केलिंग से \”मजबूत और विश्वसनीय\” वाणिज्यिक शक्ति विकसित करने के लिए अगले दशक तक जारी रहेगा। फ्यूजन, इसके CEO मिश्ल बिंडरबाउर के अनुसार, हमें \”समृद्धि के प्रतिमान\” में ले जाएगा।
2022 में, गूगल और शेवरॉन ने कंपनी के $250 मिलियन फंडिंग रेज़ के हिस्से के रूप में TAE Technologies में निवेश किया। गूगल वास्तव में एक दशक से TAE के साथ साझेदारी में है और कंपनी को एआई और कम्प्यूटेशनल शक्ति प्रदान करता है।
#3. ITER
इंटरनेशनल थर्मोन्यूक्लियर एक्सपेरिमेंटल रिएक्टर एक अंतरराष्ट्रीय नाभिकीय फ्यूजन अनुसंधान और इंजीनियरिंग मेगाप्रोजेक्ट है जो एमएल और एआई के साथ अपनी फ्यूजन अनुसंधान और विकास को आगे बढ़ा रहा है।
“ITER जैसे बड़े विज्ञान प्रोजेक्ट डेटा की समृद्धि प्रदान करते हैं जो एआई के लिए आदर्श है। वे हमें सीखने, प्रशिक्षण, विस्तार करने और इन कौशलों को अन्य विनिर्माण क्षेत्रों में लागू करने का एक अनोखा अवसर देते हैं।”
– मारिया ऑर्टिज़ दे ज़ुñीगा, फ्यूजन फॉर एनर्जी में वरिष्ठ तकनीकी अधिकारी
निष्कर्ष
जैसा कि हमने इस लेख में चर्चा की, एआई फ्यूजन यात्रा के विभिन्न पहलुओं को बदलने की क्षमता रखता है। हालांकि, प्रौद्योगिकी में हालिया प्रगति ने इस उद्योग द्वारा सामना की गई दीर्घकालिक चुनौतियों को पार करने की आशा बढ़ा दी है। कृत्रिम बुद्धिमत्ता की कम्प्यूटेशनल शक्ति और पैटर्न पहचान क्षमताओं का उपयोग करके, हम फ्यूजन शक्ति के विकास को तेज़ कर सकते हैं और अंततः एक सतत ऊर्जा भविष्य को वास्तविकता बना सकते हैं।
