خوارزميات التعلم الآلي قد تزيد من عائد الطاقة لمحطات الاندماج النووي

صمم باحثون من مختبرات سانديا الوطنية مؤخرًا خوارزميات التعلم الآلي التي تهدف إلى تحسين الإنتاج الطاقي لمحطات الاندماج النووي. استخدم فريق البحث خوارزميات التعلم الآلي لتمثيل التفاعلات بين البلازما والمواد داخل جدران مفاعل الاندماج النووي.

على عكس الانشطار النووي، الذي يتضمن تقسيم الذرات، فإن الطاقة التي تنتجها تفاعلات الاندماج تطلق الطاقة من خلال إنشاء البلازما. يتم تسخين ذرات الهيدروجين إلى درجة حرارة عالية جدًا لإنشاء سحابة بلازما، وتطلق هذه السحابة الطاقة عندما تصطدم الجسيمات الموجودة فيها وتندمج معًا. هذا العملية هي فوضوية، ويمكن أن يؤدي تحسين السيطرة على عملية الاندماج إلى زيادة كبيرة في كمية الطاقة القابلة للاستخدام التي تنتجها مفاعلات الاندماج النووي.

يحتاج الباحثون الذين يعملون على حل هذه المشكلة إلى تشغيل محاكاة معقدة حول كيفية تفاعل جدران غرفة المفاعل مع سحابة البلازما.

وفقًا لآيدان تومبسون، فإن خوارزميات التعلم الآلي جعلت من الممكن كسر مشكلة معقدة بشكل استثنائي. وقد كُلف تومبسون والباحثون الآخرون من قبل مكتب العلوم التابع لوزارة الطاقة بتحديد كيف يمكن للتعلم الآلي تحسين الإنتاج الطاقي لمحطات الاندماج النووي. حتى الآن، لم يكن من الممكن إجراء محاكاة على مستوى الذرة لهذه التفاعلات. بفضل التعلم الآلي، يمكن الآن نمذجة التغييرات الصغيرة العديدة في البلازما التي تحدث عندما تصطدم بالجدران الحاوية للمفاعل.

تتميز خوارزميات التعلم الآلي بالبحث عن الأنماط داخل البيانات، وتعلم الميزات المختلفة التي تعرف الكائن. نظرًا لأن خوارزميات التعلم الآلي يمكن أن تطبق الأنماط التي رأوها في السابق لتصنيف الأحداث غير المرئية، فقد كانت مفيدة في القضاء على الكثير من التجارب والخطأ الموجود في تحسين عملية الاندماج. وأوضح تومبسون أنه عندما تُنشأ البلازما داخل غرفة الاندماج، فإن جدران المفاعل تُضرب باستمرار بالجسيمات من عناصر مثل الهيليوم والهيدروجين والديوتيريوم، لأن هذه العناصر تتكون سحابة البلازما. عندما تصطدم البلازما بالجدران الحاوية للمفاعل، فإنها تغير الجدران بطرق صغيرة ولكنها قد تكون حرجة. يتغير تركيب الجدران نفسه البلازما بدوره. يحدث هذا الدورة من التفاعلات عند درجات حرارة تقريبًا مثل تلك الموجودة على الشمس، ويدوم لمدة نانوثانية فقط. يتضمن تحسين هذه العملية عملية محكمة لتعديل مكونات جدران المفاعل ثم قياس التغييرات في النتائج.

قام تومبسون والباحثون الآخرون بتجربة مجموعات بيانات كبيرة تتكون من حسابات الميكانيكا الكمومية، وتم تدريب نموذج يمكنه التنبؤ بالطاقة لتركيبات ذرية مختلفة. وكان النتيجة هو إمكانية التعلم الآلي بين الذرات (MLIAP). يمكن استخدام الخوارزميات لفحص التفاعلات بين عدد صغير من الذرات، ويمكن توسيع النموذج إلى الملايين المطلوبة لمحاكاة التفاعلات بين مكونات عملية الاندماج. وفقًا لتومبسون، فإن النماذج التي صممها فريق البحث تتطلب آلاف المعلمات لتكون محاكاة مفيدة.

من أجل أن يبقى النموذج مفيدًا، يجب أن يكون هناك ت重 بين البيئات التي تظهر في الاندماج والبيانات المستخدمة في التدريب. هناك مجموعة واسعة من بيئات الاندماج المحتملة، لذلك سيتعين على الباحثين التقاط البيانات وتعديل النموذج باستمرار. وأوضح توماس عبر Phys.org:

“سوف يتم استخدام نموذجنا في البداية لتحليل التجارب الصغيرة. وعلى العكس من ذلك، سوف يتم استخدام البيانات التجريبية لتأكيد نموذجنا، والذي يمكن استخدامه بعد ذلك للتنبؤ بما يحدث في مفاعل الاندماج الكامل”.

لا تزال الخوارزميات غير جاهزة للاستخدام من قبل باحثي الاندماج النووي الحقيقيين بعد. ومع ذلك، فإن تومبسون وفريقه البحثي هم أول فريق من الباحثين يحاول تطبيق التعلم الآلي على مشكلة البلازما-الجدار. يأمل الفريق أن يتم استخدام النماذج في غضون بضع سنوات لتصميم مفاعلات اندماج أفضل.