AI dan Fusi Nuklir – Menggunakan Satu Teknologi Disruptif untuk Meningkatkan yang Lain

 Kecerdasan buatan adalah salah satu kemajuan teknologi utama dekade terakhir, mengubah industri secara menyeluruh. Hampir tidak ada sektor yang tidak merasakan dampaknya, termasuk fusi nuklir—sebuah teknologi yang sama disruptifnya dengan AI itu sendiri.

Dipandang sebagai sumber energi bersih yang hampir tak terbatas, fusi nuklir adalah sumber energi yang menjanjikan yang dapat terbukti mengubah permainan. 

Di antara banyak manfaatnya termasuk bahan bakar melimpah, efisiensi energi, emisi gas rumah kaca minimal, keandalan, keamanan intrinsik, dan keberlanjutan. Namun, masih berada pada tahap eksperimental.

Hal ini meskipun fakta bahwa rekor energi fusi nuklir tercapai tahun ini ketika tim ilmuwan dan insinyur mempertahankan 69 megajoule energi fusi selama 5 detik dengan hanya 0,2 miligram bahan bakar. Meskipun energi ini cukup untuk menyalakan sekitar 12.000 rumah selama durasi tersebut, energi yang dibutuhkan sebagai input masih lebih besar daripada yang dihasilkan. 

Sejauh ini, ilmuwan hanya dapat mempertahankan fusi selama beberapa detik. Namun, keadaan mungkin akan berubah berkat AI.

Terobosan berkelanjutan dalam AI dalam beberapa tahun terakhir tidak hanya menjadikannya bagian dari kehidupan sehari-hari kami tetapi juga membuatnya krusial untuk mencapai kemajuan ilmiah. AI kini sedang dieksplorasi secara aktif untuk meningkatkan fusi nuklir dalam beberapa cara. 

Mulai dari mengendalikan reaksi fusi dengan memprediksi dan mencegah ketidakstabilan secara real-time hingga menganalisis desain reaktor untuk menemukan yang terbaik, mempertahankan kontrol stabil reaksi fusi untuk periode yang lebih lama, bahkan mengurangi waktu dan biaya analisis desain reaktor serta memprediksi perubahan plasma—peran AI dalam fusi nuklir berkembang pesat.  

Meskipun menghasilkan energi skala besar dari fusi nuklir mungkin belum memungkinkan sebelum sekitar tahun 2050, AI jelas muncul sebagai alat yang menjanjikan untuk mempercepat proses ini.

Steven Cowley, profesor ilmu astrofisika dan direktur laboratorium Princeton Plasma Physics Laboratory (PPPL) Departemen Energi, percaya:

“Fusi mungkin menjadi ‘aplikasi pembunuh’ AI.”

Awal tahun ini, ilmuwan melaporkan menemukan cara untuk meramalkan ketidakstabilan dalam plasma, yang sangat rentan terhadap robekan dan meloloskan diri dari medan magnet mesin yang dirancang untuk menahannya, serta mencegahnya terjadi secara real-time menggunakan AI.

Pengendali AI mampu memprediksi kemungkinan robekan plasma hingga 300 milidetik sebelumnya, menurut eksperimen yang dilakukan oleh peneliti dari Universitas Princeton dan PPPL.

Gangguan adalah salah satu hambatan besar dalam fusi nuklir, karena kita menginginkan reaktor untuk beroperasi 24/7 selama bertahun-tahun tanpa masalah. 

“(Mengingat bahwa gangguan dan ketidakstabilan) sangat problematik… mengembangkan solusi seperti ini meningkatkan kepercayaan mereka bahwa kami dapat menjalankan mesin-mesin ini tanpa masalah apapun.“

– Egemen Kolemen, penulis studi dan profesor teknik mesin serta dirgantara di Universitas Princeton

Membangun AI untuk Menemukan Paduan Baru untuk Fasilitas Fusi Nuklir

Sebuah studi terbaru oleh Oak Ridge National Laboratory (ORNL) Departemen Energi (DOE) telah membuat model AI untuk membantu mengidentifikasi paduan baru yang digunakan dalam reaktor fusi nuklir sebagai pelindung untuk menampung komponen aplikasi fusi.

Proyek ini dimulai bertahun-tahun yang lalu di bawah kepemimpinan David Womble, mantan Direktur Inisiatif AI, dan merupakan langkah besar menuju perbaikan fasilitas fusi nuklir. Kemudian, proyek ini dilanjutkan sebagai area penelitian prioritas di bawah Artificial Intelligence for Scientific Discovery (AISD).

Keterbatasan saat ini dari pendekatan komputasi skala besar, menurut studi tersebut, membuka wawasan baru tentang potensi manfaat integrasi ML dalam ilmu material tradisional dan mekanika kuantum.

Model deep learning (DL), khususnya, telah efektif dalam merekam nonlinieritas relevan yang dipicu oleh konfigurasi atomik sistem atom.

Setelah model DL dilatih, dapat digunakan untuk inferensi dalam sebagian kecil waktu yang diperlukan untuk menjalankan perhitungan DFT penuh sekaligus menghasilkan hasil yang akurat. Penghematan waktu yang signifikan dalam memprediksi sifat paduan menggunakan informasi atom ini secara efektif mempercepat penemuan dan desain paduan multi-komponen baru.

Jadi, fokus studi ini adalah pada paduan, yang diperlukan untuk “mencapai kinerja luar biasa pada suhu sangat tinggi.“ Kinerja ini harus mencakup ketahanan terhadap suhu tinggi serta sifat mekanik struktural yang diperlukan untuk penggunaan paduan di fasilitas nuklir yang kompleks. Agar suatu material mencapai kekuatan tinggi pada suhu yang lebih tinggi, suhu dekomposisinya harus lebih tinggi.

Untuk membuat material ini, tungsten telah digunakan sebagai elemen utama secara tradisional. Sementara itu, elemen tambahan ditambahkan sebagai suplemen. Komposisi paduan yang dihasilkan tahan terhadap suhu tinggi namun tidak konsisten dalam mempertahankan pelindung yang tepat.

Baru-baru ini, peneliti meneliti penggantian material teknologi standar ini dengan apa yang digambarkan oleh ilmuwan data AI ORNL Massimiliano Lupo Pasini sebagai “sesuatu yang benar-benar baru dan disruptif.”

Namun, tentu saja, mengidentifikasi kombinasi logam potensial merupakan tantangan besar, mengingat banyaknya kemungkinan.

Jadi, peneliti menggunakan AI untuk melewati periode uji coba dan menemukan kandidat paduan yang dapat digunakan dengan cara yang lebih efisien. Ini melibatkan pembuatan data untuk menciptakan model AI yang menemukan tiga elemen untuk diuji sebagai kandidat paduan baru potensial.

Menurut hasil studi, yang dipublikasikan dalam jurnal Scientific Data, tim menyajikan empat dataset sumber terbuka. Dataset tersebut menyediakan hasil perhitungan teori fungsi kerapatan (DFT) dari properti keadaan dasar paduan. 

Paduan yang terlibat adalah niobium-vanadium (NbV), niobium-tantalum (NbTa), tantalum-vanadium (TaV), dan paduan ternary NbTaV yang teratur dalam struktur body-centered-cubic (BCC) dengan 128 situs kisi Bravais.

Model AI dari ORNL sangat penting dalam dunia fusi nuklir karena teknologi yang menjanjikan ini dapat menyediakan material bersih dan hampir tak terbatas untuk kebutuhan energi yang dapat menahan suhu sangat tinggi, radiasi, dan stres mekanik. Jadi, dengan menemukan paduan berperforma tinggi, kita dapat memastikan umur panjang dan keandalan reaktor fusi.

Selain membantu mengidentifikasi paduan baru jauh lebih cepat dan hemat biaya serta menghilangkan hambatan utama dalam membuat reaktor fusi nuklir praktis dan aman, model AI semacam ini juga dapat memungkinkan kemajuan teknologi disruptif dalam fusi nuklir.

Pemodelan Data Berbasis AI untuk Mempercepat Penemuan Ilmiah

Memiliki basis data yang dihasilkan AI hanyalah satu bagian dari proyek. Bagian selanjutnya melibatkan penggunaan data yang dihasilkan untuk penelitian lebih lanjut mengenai pengembangan, pelatihan, dan penerapan model ML untuk penemuan dan desain material.

Menurut Lupo Pasini, enam elemen diperlukan untuk mendukung desain paduan refraktori baru berentropi tinggi. 

Paduan entropi tinggi, atau HEA, merupakan frontier baru bagi ilmuwan material, dan saat ini, sangat sedikit hasil eksperimental. Sebuah studi dari beberapa tahun lalu meninjau 14 elemen dan kombinasi yang menghasilkan HEA. Dengan menggunakan perhitungan mekanik kuantum berkecepatan tinggi, mereka menemukan stabilitas dan sifat elastis lebih dari 7.000 HEA. 

Itu dilaporkan sebagai “basis data terbesar dari sifat elastis paduan entropi tinggi,“ kata penulis studi Wei Chen, associate professor ilmu material dan teknik di Illinois Institute of Technology.

Sekarang, untuk studi terbaru, ada juga masalah tugas mahal menjalankan perhitungan mekanik kuantum pada superkomputer yang ada. Jadi, “data saja tidak akan cukup.”

Tantangan lain yang harus diatasi tim dengan perhitungan masif ini adalah waktu. Tim membutuhkan lebih dari satu tahun untuk akhirnya melakukan perhitungan pada superkomputer Perlmutter dan Summit serta menghasilkan data.

The Summit supercomputer merupakan bagian dari Oak Ridge Leadership Computing Facility dan berlokasi di ORNL, sementara Perlmutter berada di Lawrence Berkeley National Laboratory, dengan kedua sistem komputasi tersebut menjadi fasilitas pengguna DOE Office of Science.

Pada langkah berikutnya, tim akan memanfaatkan data yang dihasilkan untuk melatih model AI. Model tersebut akan mempercepat beragam senyawa sebagai hasil dari pencampuran enam elemen pada konsentrasi berbeda sebagai paduan.

“Kami berusaha membantu ilmuwan material dengan pendekatan coba-coba mereka dalam mengidentifikasi persentase relatif elemen yang berbeda yang perlu dicampur bersama untuk menghasilkan paduan yang dapat menghasilkan kemajuan teknologi disruptif dalam fusi.“

– Lupo Pasini

Penggunaan AI untuk memahami kompleksitas material pada tingkat yang lebih dalam juga berkembang dengan cepat. Tahun lalu, Lupo Pasini dari ORNL juga memimpin tim ilmuwan komputasi yang menghasilkan dataset dengan skala belum pernah terjadi sebelumnya yang menyediakan sifat spektral ultraviolet terlihat dari lebih dari 10 juta molekul organik. 

Memahami interaksi molekul dengan cahaya sangat penting untuk mengungkap sifat elektronik dan optiknya, yang memiliki potensi aplikasi fotoaktif dalam sistem pencitraan medis dan sel surya.

Perhitungan kimia kuantum dijalankan menggunakan sumber daya komputasi berperforma tinggi untuk menghasilkan dataset yang sangat besar. Dataset ini kemudian akan digunakan untuk melatih model DL guna mengidentifikasi molekul dengan sifat optoelektronik dan fotoreaktivitas yang disesuaikan.

Pada saat itu, Lupo Pasini mencatat bahwa menentukan bagaimana materi dan energi berinteraksi pada tingkat subatomik melalui eksperimen yang memakan banyak tenaga dan perhitungan prinsip pertama yang ada, yang dapat dengan mudah membebani fasilitas superkomputer, sangat tidak terjangkau. Model DL, bagaimanapun, “menyediakan alat yang sangat menjanjikan untuk mengatasi hambatan ini.”

Tim sedang membangun arsitektur HydraGNN yang mengambil struktur atom dan mengubahnya menjadi grafik sebelum mencoba memprediksi apa yang akan dihasilkan kode prinsip pertama sebagai output.

Awal tahun ini, Lupo Pasini dan tim menunjukkan skala HydraGNN pada sistem Perlmutter serta superkomputer Frontier dan Summit. HydraGNN adalah implementasi arsitektur GNN untuk menghasilkan prediksi cepat dan akurat dari sifat material.

Dengan ilustrasi tersebut, tim menunjukkan hanya bagaimana menskalakan jaringan saraf graf (GNN) untuk memetakan koneksi antara ribuan bahkan jutaan variabel dan mengurai hubungan mereka untuk mempercepat penemuan ilmiah.

Perusahaan yang Akan Mendapat Manfaat dari Fusi 

Industri AI dan fusi nuklir keduanya menerima investasi miliaran dolar, yang menunjukkan kegembiraan dan perkembangan di sekitar dua teknologi yang mengubah ini. Jadi, mari lihat beberapa nama terkemuka dari bidang ini: 

#1. General Electric (GE)

General Electric (GE.TO ) terlibat dalam penelitian dan pengembangan tenaga nuklir melalui GE Vernova (GEV ), yang bertujuan mempercepat jalur menuju energi yang lebih dapat diandalkan, terjangkau, dan berkelanjutan. Upayanya di bidang ini mencakup sensor baru dan teknik pencitraan untuk melacak bahan bahan bakar nuklir bekas secara real-time, teknik inspeksi bernama RADMASS untuk membuat daur ulang bahan bakar lebih terjangkau, serta membangun reaktor nuklir air mendidih (BWR).

Dengan kapitalisasi pasar $204,469 miliar, saham perusahaan saat ini diperdagangkan pada $188,94, naik 47,83% YTD. Perusahaan memiliki EPS (TTM) 4,28, P/E (TTM) 44,09, dan dividen 0,59%.

Untuk Q2 2024, GE Vernova melaporkan $8,2 miliar pendapatan total dan $1,3 miliar laba bersih. Sementara itu, total pesanan sebesar $11,8 miliar melebihi pendapatan sebesar 1,4 kali. Kas dari aktivitas operasional pada akhir kuartal mencapai $1 miliar, sementara saldo kas $5,8 miliar naik dari $4,2 miliar setelah spin-off dari GE pada April.

“Tren elektrifikasi dan dekarbonisasi global terus mendorong permintaan untuk produk dan layanan kami.”

– CEO GE Vernova Scott Strazik

#2. IBM (IBM)

Sementara NVIDIA (NVDA ) adalah pemimpin dalam teknologi AI dan superkomputasi, yang telah mendorong harga sahamnya naik 134,76% tahun ini, IBM juga termasuk yang terdepan dalam komputasi kuantum dan riset AI. Komputer kuantum perusahaan adalah sistem komputasi kuantum berbasis cloud yang dapat digunakan untuk penelitian dan eksplorasi.

Dengan menjalankan simulasi kompleks pada komputer kuantum ini, IBM memungkinkan terobosan penting di berbagai sektor. Beberapa tahun lalu, perusahaan menulis tentang mengoptimalkan pembangkit listrik tenaga nuklir dengan membuka nilai data.

Dengan kapitalisasi pasar $201,54 miliar, saham perusahaan saat ini diperdagangkan pada $218,80, naik 34,82% YTD. Perusahaan memiliki EPS (TTM) 9,53, P/E (TTM) 2,95, dan dividen 3,05%.

Untuk Q2 2024, IBM melaporkan pendapatan sebesar $15,8 miliar, yang merupakan peningkatan 2% dengan kenaikan terbesar terlihat di segmen perangkat lunaknya. Margin laba kotor perusahaan adalah 56,8% sementara operasi (Non-GAAP) mencapai 57,8%. Kas bersih dari aktivitas operasional adalah $6,2 miliar untuk year-to-date dan arus kas bebas $4,5 miliar.

#3. ATI Inc. (ATI)

ATI mengkhususkan diri dalam produksi logam khusus dan paduan, dan keahlian ini menempatkannya dengan baik untuk aplikasi reaktor fusi. High-Performance Materials & Components (HPMC) adalah salah satu segmennya, yang memproduksi material berperforma tinggi seperti titanium dan paduan berbasis titanium yang digunakan dalam energi, kedokteran, dan dirgantara. Advanced Alloys & Solutions (AA&S) adalah perusahaan lain yang memproduksi zirconium dan paduan terkait yang digunakan di pasar otomotif, elektronik, energi, dan pertahanan.

Dengan kapitalisasi pasar $8,20 miliar, saham perusahaan saat ini diperdagangkan pada $66, naik 44,74% YTD. Perusahaan memiliki EPS (TTM) 2,94 dan P/E (TTM) 22,48.

Untuk Q2 2024, ATI melaporkan penjualan sebesar $1,1 miliar, yang naik 5% dari kuartal sebelumnya. Laba bersih kuartal tersebut $81,9 juta, atau $0,58 per saham, naik 26% dari 1Q24. EBITDA yang disesuaikan perusahaan sementara itu $182,6 juta.

“Eksekusi kami dan kemampuan untuk memanfaatkan peluang pasar memungkinkan kami meningkatkan margin dan menghasilkan arus kas operasional yang kuat.”

– Kimberly A. Fields, Presiden dan CEO

Kesimpulan

Kegilaan AI terus berkembang, dan integrasinya ke dalam penelitian fusi nuklir menandai momen penting bagi kedua bidang. Dengan mengatasi tantangan kompleks yang melekat pada fusi, AI memiliki potensi untuk secara drastis mempersingkat jangka waktu mencapai energi fusi yang praktis.

Dari prediksi plasma secara real-time hingga menemukan paduan baru yang mampu menahan kondisi ekstrem, kemajuan berbasis AI secara konsisten mendorong fusi nuklir lebih dekat menjadi kenyataan, menawarkan solusi energi yang lebih bersih dan berkelanjutan untuk krisis energi global.

Klik di sini untuk mempelajari semua tentang berinvestasi dalam kecerdasan buatan.