اگر ما بتوانیم آنها را تحت کنترل خود بگیریم، راکتورهای همجوشی می توانند منبع نسبتا پاکیزه و فراوان و ارزان انرژی باشند و این، مدیون هوش مصنوعی دیپ مایند خواهد بود.(برای بررسی دیپ مایند به مقاله ی هوش مصنوعی چیست؟در همین کانال مراجعه شود)
همجوشی منبع فراوان و پاک انرژی است ولی کنترل آن، ساده نیست. پارامترهای متعددی باید در نظر گرفته شود تا از رهاسازی بی نظم انرژی جلوگیری شود و نیز بازده راکتور، بیشتر از انرژی مصرفی باشد.
در نظر گرفتن همه ی این پارامترها به وسیله ذهن انسان، دشوار است. هوش مصنوعی با قدرتی بیشتر از ذهن انسان، میتواند بسیاری از این پارامترها را بررسی کند.
هوش مصنوعی از عروسک های بازی تا کمک به انسان در تولیدات تا زیان های آن بر جسم و روح انسان- قسمت سی و سوم
پژوهشگران همجوشی یک مرحله به استخراج نیرو از پلاسمای داغتر از سطح خورشید، نزدیک تر شده اند. دیپ مایند در همکاری با دانشمندان موسسه ی فدرال تکنولوژی در لوزال سوییس EPFL کار کرده است تا شبکه ی عصبی ای را بسازد که میتواند میدان های مغناطیسی درون راکتور توکاماک همجوشی یا شکل متنوع EPFL سوییس( TCV ) را کنترل کند.
این میدان های مغناطیسی برای نگهداری پلاسمای تولید شده به وسیله راکتور- که به خوبی انبار می شود- اساسی است. اگر پلاسما با دیواره های راکتور، تماس یابد و راکتور سریعا سرد شود و راکشن را خفه کند باعث تخریب وسیع می شود. پژوهشگران در TCV قبلا از 19 مارپیچ مغناطیسی استفاده کردند که هر کدام به وسیله ی یک آلگوریتم جدا، کنترل میشد و درون راکتور را هزاران بار در ثانیه با میزبانی سنسورها بررسی می کرد. دیپ مایند برعکس یک شبکه ی عصبی واحد را ایجاد کرد تا همه مارپیچ ها را در یک لحظه کنترل کند و به صورت خودکار یاد بگیرد کدام ولتاژها نیاز است برای آنها فراهم شود تا به بهترین شکل پلاسما حفظ گردد.
گروه تحقیق، هوش مصنوعی را بر روی شبیه سازی دیجیتال راکتور- قبل از آنکه آزمایشات را بر ماشین واقعی هدایت کند- آموزش دادند. در نهایت این می توانست به طور موفق برای دو ثانیه دارای پلاسما باشد. و این تقریبا معادل میانگین راکتور TCV است که فقط می تواند پلاسما را در یک آزمون، برای 3 ثانیه نگه دارد و بعد از آن به پانزده دقیقه وقت نیاز دارد تا سرد شود.
رکورد برای راکتورهای همجوشی فقط 15 ثانیه است که اخیرا در تروس اروپایی جوینت در اوکراین به دست آمد. علاوه بر کنترل پلاسما هوش مصنوعی توانست آن را شکل دهد و آن را درون راکتور به اطراف حرکت دهد.
شکل های جدید پلاسما ممکن است باعث پیشرفت پایداری یا سودمندی در راکتورهای همجوشی مانند ایتر شود که اخیرا در فرانسه در حال ساخت است و وقتی در سال 2025 ساخته شود، بزرگترین توکاماک در جهان خواهد بود.
فردریکو فلسی در EPFL می گوید هرچند اپروچ های تئوریک زیادی هست که میتواند استفاده شود تا پلاسما را در مارپیچ های مغناطیسی نگه دارد و دانشمندان استراتژی هایی را آزموده و تست کرده اند ولی هوش مصنوعی تیم را شگفت زده کرد؛ زیرا اپروچ نویی داد تا آن شکل های پلاسمای مشابه را درون مارپیچ ها شکل دهد.
دکتر سید سلمان فاطمی . نورولوژیست, [3/8/2022 9:57 AM]
فلیسی می گوید: این آلگوریتم هوش مصنوعی یا یادگیری تقویت شده، به روش متفاوتی از مارپیچ های TCV استفاده کرده است و هنوز بیشتر یا کمتر، میدان مغناطیسی مشابهی را ایجاد میکند.
بنابراین هنوز پلاسمای مشابهی را آنطور که انتظا رداشتیم میسازد ولی فقط از هسته ی مغناطیسی به یک روش کاملا متفاوت استفاده کرده است زیرا آزادی کاملی داشته است تا همه ی فضای عملیاتی را بررسی کند. بنابراین افراد به این نتایج آزمایشگاهی در مورد اینکه چگونه جریان های مارپیچی توسعه پیدا میکند، نگاه می کردند و آنها بسیار شگفت زده مشدند.
جیانلوکا ساری در دانشگاه کویین در بلفاست می گوید هوش مصنوعی کلیدی برای آینده ی سیستم های کنترلی در راکتورهای همجوشی است تا بتواند نیرویی بیش از نیروی مصرفی خود تولید کند. او می گوید: وقتی این انجام شود پایان ماجرا نیست. تو باید آن را تبدیل به یک کارخانه ی نیرو کنی و هو ش مصوعی به نظر من تنها روش رو به جلو است. متغیرهای زیادی وجود دارد و یک تغییر کوچک در یکی از آنها می تواند تغییر بزرگی را در نتیجه نهایی ایجاد کند.
اگر تو بخواهی این کار را دستی انجام دهی بسیار طولانی خواهد بود. برای سودمند ساختن راکتورهای همجوشی به عنوان منابع نیروی عملی، فیزیکدان ها نیاز دارد نسبت بین فشار پلاسما و قدرت میدان های مغناطیسی را- که آن را در بر دارد- افزایش دهند. این را هوارد ویلسون در دانشگاه نیویورک می گوید. او می گوید: پلاسما نوسان دارد و تغییر می کند و می کوشد از چالش میدان های مغناطیسی فرار کند و وقتی آن پارمترها را حرکت دهد می کوشد سخت تر و سخت تر کار کند تا کنترلی را به دست بیاورد که نیاز است تا پلاسما را در آنجا نگه دارد. تو هر چه بیشتر پلاسما ر ا حرکت دهی شانس بیشتری داری که ناگهان آن را از دست بدهی.
ویلسون اعتقاد دارد آزمون های هوش مصنوعی این امید را ایجاد میکند که پلاسما در هندسه ی ایده آلی نگهداری شود و این، راه را برای آزمایش هایی با شکل متفاوتی از پلاسما هموار میکند که ممکن است باعث پیشرفت هایی در سودمندی یا پایداری شود. او می گوید: این، فضای پارامتری خطرناک را برای عمل، بی خطرتر میکند ولی همچنین فضای پارامتری ای را زیاد می کند که ما میتوانیم به آن وارد شویم و بررسی کنیم.
Reference:
Degrave, J., Felici, F., Buchli, J. et al. Magnetic control of tokamak plasmas through deep reinforcement learning. Nature 602, 414419 (2022). DOI: 10.1038/s41586-021-04301-9
https://www.scientiststudy.com/2022/02/deepmind-uses-ai-to-control-plasma.html?fbclid=IwAR1xje-S-pkHKCr76MZX08TDAlaB5m2QYUcne6ICHy6mERGwCaXDgfP0yMQ
آدرس مطب : اصفهان ، خیابان آمادگاه ، روبروی داروخانه سپاهان ، مجتمع اطبا ، طبقه اول
تلفن : 32223328 - 031