อัลกอริทึมการเรียนรู้ของเครื่องสามารถเพิ่มผลผลิตพลังงานของเครื่องปฏิกรณ์เชื่อมนิวเคลียร์

นักวิจัยจาก ห้องปฏิบัติการแห่งชาติซานเดีย ได้ออกแบบอัลกอริทึมการเรียนรู้ของเครื่องเพื่อปรับปรุงผลผลิตพลังงานของเครื่องปฏิกรณ์เชื่อมนิวเคลียร์ โดยใช้เทคนิคการเรียนรู้ของเครื่องเพื่อเพิ่มผลผลิตพลังงาน ทีมวิจัยได้ใช้อัลกอริทึมการเรียนรู้ของเครื่องเพื่อจำลองปฏิกิริยาระหว่างพลาสม่าและวัสดุภายในผนังของเครื่องปฏิกรณ์เชื่อมนิวเคลียร์

ไม่เหมือนกับการแบ่งแยกนิวเคลียร์ ซึ่งเกี่ยวข้องกับการแบ่งอะตอมออกเป็นเสี่ยงๆ พลังงานที่สร้างขึ้นโดยปฏิกิริยาเชื่อมนิวเคลียร์จะปล่อยพลังงานออกมาโดยการสร้างพลาสม่า อะตอมของไฮโดรเจนจะถูกทำให้ร้อนจัดเพื่อสร้างเมฆพลาสม่า และเมฆพลาสม่านี้จะปล่อยพลังงานออกมาเมื่ออนุภาคภายในเมฆพลาสม่าชนกันและรวมกัน การกระทำนี้เป็นกระบวนการที่ซับซ้อน และหากนักวิทยาศาสตร์สามารถควบคุมกระบวนการเชื่อมนิวเคลียร์ได้ดีขึ้น อาจนำไปสู่การเพิ่มผลผลิตพลังงานที่ใช้ได้จากเครื่องปฏิกรณ์เชื่อมนิวเคลียร์

นักวิจัยที่ทำงานในการแก้ปัญหานี้จำเป็นต้องดำเนินการสจำลองที่ซับซ้อนเกี่ยวกับวิธีการที่ผนังห้องของเครื่องปฏิกรณ์นิวเคลียร์โต้ตอบกับเมฆพลาสม่า

ตามคำกล่าวของเอดัน ทอมป์สัน อัลกอริทึมการเรียนรู้ของเครื่องช่วยให้สามารถแก้ปัญหาที่ซับซ้อนได้ ทอมป์สันและนักวิจัยคนอื่นๆ ได้รับมอบหมายจากสำนักงานวิทยาศาสตร์ของกระทรวงพลังงานให้พิจารณาว่าอัลกอริทึมการเรียนรู้ของเครื่องสามารถปรับปรุงผลผลิตพลังงานของเครื่องปฏิกรณ์เชื่อมนิวเคลียร์ได้อย่างไร ในช่วงเวลาก่อนหน้านี้ ไม่สามารถดำเนินการสจำลองระดับอะตอมของปฏิกิริยาเหล่านี้ได้ แต่ด้วยอัลกอริทึมการเรียนรู้ของเครื่อง การเปลี่ยนแปลงเล็กๆ น้อยๆ ของพลาสม่าที่เกิดขึ้นเมื่อพลาสม่าชนผนังของเครื่องปฏิกรณ์สามารถสร้างแบบจำลองได้

อัลกอริทึมการเรียนรู้ของเครื่องมีความเชี่ยวชาญในการค้นหารูปแบบภายในข้อมูล การเรียนรู้คุณลักษณะต่างๆ ที่กำหนดวัตถุ เนื่องจากอัลกอริทึมการเรียนรู้ของเครื่องสามารถนำรูปแบบที่เคยเห็นมาก่อนมาใช้เพื่อจำแนกเหตุการณ์ที่ไม่เคยเห็นมาก่อน อัลกอริทึมจึงมีประโยชน์ในการกำจัดการลองผิดลองถูกที่เกี่ยวข้องกับการเพิ่มประสิทธิภาพกระบวนการเชื่อมนิวเคลียร์ ทอมป์สันอธิบายว่าเมื่อพลาสม่าถูกสร้างขึ้นภายในห้องปฏิกรณ์เชื่อมนิวเคลียร์ ผนังของเครื่องปฏิกรณ์จะถูกกระแทกด้วยอนุภาคของธาตุเช่นฮีเลียม ไฮโดรเจน และดิวเทอเรียม ซึ่งเป็นส่วนประกอบของเมฆพลาสม่า เมื่อพลาสม่าชนผนังของเครื่องปฏิกรณ์ จะทำให้ผนังเปลี่ยนแปลงไปในลักษณะที่เล็กแต่สำคัญ การเปลี่ยนแปลงนี้จะส่งผลกระทบต่อพลาสม่าในทางกลับกัน การวนซ้ำเหล่านี้เกิดขึ้นที่อุณหภูมิประมาณเท่ากับที่พบในดวงอาทิตย์ และเกิดขึ้นเพียงไม่กี่นาโนวินาที การเพิ่มประสิทธิภาพกระบวนการนี้ต้องใช้กระบวนการที่เจ็บปวดในการปรับเปลี่ยนส่วนประกอบของผนังของเครื่องปฏิกรณ์แล้ววัดผลลัพธ์ที่เปลี่ยนแปลงไป

ทอมป์สันและนักวิจัยคนอื่นๆ ได้เริ่มทดลองกับชุดข้อมูลขนาดใหญ่ที่ประกอบด้วยการคำนวณกลศาสตร์ควอนตัม โดยฝึกโมเดลที่สามารถคาดการณ์พลังงานของการกำหนดค่าอะตอมต่างๆ ได้ ผลลัพธ์คือศักยภาพระหว่างอะตอมที่เรียนรู้จากเครื่อง (MLIAP) อัลกอริทึมสามารถใช้เพื่อตรวจสอบปฏิกิริยาระหว่างอะตอมจำนวนเล็กน้อย และขยายโมเดลไปยังล้านๆ อะตอมที่จำเป็นในการจำลองปฏิกิริยาระหว่างส่วนประกอบของกระบวนการเชื่อมนิวเคลียร์ ตามทอมป์สัน โมเดลที่ทีมวิจัยออกแบบต้องใช้พารามิเตอร์หลายพันรายการเพื่อให้ได้การจำลองที่มีประโยชน์

เพื่อให้โมเดลยังคงมีประโยชน์ จะต้องมีการทับซ้อนอย่างมีนัยสำคัญระหว่างสภาพแวดล้อมที่เกิดขึ้นในกระบวนการเชื่อมนิวเคลียร์และข้อมูลการฝึกอบรม มีสภาพแวดล้อมที่เป็นไปได้มากมายในการเชื่อมนิวเคลียร์ ดังนั้นนักวิจัยจะต้องจับข้อมูลและปรับเปลี่ยนโมเดลอย่างต่อเนื่อง ทอมป์สันอธิบายผ่าน Phys.org ว่า

“โมเดลของเราจะถูกใช้เพื่อทำความเข้าใจการทดลองขนาดเล็กก่อน จากนั้นข้อมูลการทดลองจะถูกใช้เพื่อยืนยันโมเดลของเรา ซึ่งสามารถใช้เพื่อคาดการณ์สิ่งที่เกิดขึ้นในเครื่องปฏิกรณ์เชื่อมนิวเคลียร์ขนาดเต็มได้”

อัลกอริทึมยังไม่พร้อมใช้งานสำหรับนักวิจัยด้านการเชื่อมนิวเคลียร์จริงๆ แต่ทอมป์สันและทีมวิจัยของเขาเป็นกลุ่มแรกที่พยายามนำการเรียนรู้ของเครื่องไปใช้กับปัญหาพลาสม่า-ผนัง ทีมหวังว่าในอีกไม่กี่ปี โมเดลเหล่านี้จะถูกนำมาใช้ในการออกแบบเครื่องปฏิกรณ์เชื่อมนิวเคลียร์ที่ดีกว่า