پژوهشگران دانشگاه پرینستون با ابداع هوش مصنوعی پیشرفته‌ای، یکی از چالش‌های کلیدی در مسیر انرژی همجوشی را حل کرده‌اند.

 

به گزارش ایتنا و به نقل از سای‌تک‌دیلی، این ابزار نوآورانه، داده‌های ازدست‌رفته حسگرها را بازسازی می‌کند و پلاسما، سوخت فوق‌داغ همجوشی، را پایدارتر می‌سازد. تصور کنید در حال تماشای فیلم مورد علاقه‌تان هستید و ناگهان صدا قطع می‌شود.

 

تنها تصاویر متحرک روی صفحه باقی می‌مانند. حالا هوش مصنوعی وارد عمل می‌شود، هر فریم را با دقت بررسی می‌کند، لب‌خوانی انجام می‌دهد، ردپاها را دنبال می‌کند و بلافاصله صدای گمشده را بازسازی می‌نماید.

 

بر این اساس، همین مفهوم الهام‌بخش ابزاری هوش مصنوعی به نام «Diag2Diag» شده که اطلاعات ازدست‌رفته درباره پلاسما را بازیابی می‌کند.

 

این سیستم، که اخیراً در مجله نیچر کامونیکیشنز توسط آزارکش جلالوند، پژوهشگر ارشد دانشگاه پرینستون، معرفی شده، راهی نوین برای تقویت داده‌های حسگرها ارائه می‌دهد.

 

جلالوند توضیح می‌دهد: «ما روشی یافتیم تا داده‌های گروهی از حسگرها در یک سیستم را بگیریم و نسخه‌ای مصنوعی از داده‌ها را برای نوع دیگری از حسگر در همان سیستم تولید کنیم.»

 

داده‌های بازسازی‌شده با اندازه‌گیری‌های واقعی همخوانی دارند، اما اغلب جزئیات غنی‌تری نسبت به آنچه حسگرها به تنهایی ثبت می‌کنند، ارائه می‌دهند. این عمق افزوده می‌تواند کنترل پلاسما را قابل اعتمادتر کند و همزمان پیچیدگی و هزینه‌های سیستم‌های همجوشی آینده را کاهش دهد.

 

گفته می‌شود Diag2Diag کاربردهایی فراتر از همجوشی دارد، از جمله در فضاپیماها و جراحی رباتیک، جایی که با بازیابی داده‌های حسگرهای معیوب، قابلیت اطمینان را در محیط‌های حساس تضمین می‌کند.

 

این پروژه با همکاری پژوهشگران دانشگاه پرینستون، آزمایشگاه فیزیک پلاسمای پرینستون وابسته به وزارت انرژی ایالات متحده، دانشگاه‌های چونگ‌آنگ، کلمبیا و ملی سئول به ثمر رسیده است. هوش مصنوعی با استفاده از داده‌های حسگرهای آزمایش‌های تأسیسات ملی همجوشی DIII-D، که مرکزی کاربری وزارت انرژی است، آموزش دیده و آزمایش شده است.

 

Diag2Diag با تولید داده‌های مصنوعی، راهی تازه برای دانشمندان فراهم می‌کند تا پلاسما را داخل دستگاه همجوشی مشاهده و کنترل کنند. این امر برای تبدیل همجوشی به منبعی قابل اعتماد در آینده حیاتی است.

 

جلالوند تأکید می‌کند: «دستگاه‌های همجوشی امروزی همگی آزمایشگاهی‌اند. اگر حسگری از کار بیفتد، بدترین حالت از دست رفتن زمان تا راه‌اندازی مجدد آزمایش است. اما اگر همجوشی را به عنوان منبع انرژی در نظر بگیریم، باید بی‌وقفه و شبانه‌روزی کار کند.»

 

گفتنی است نام Diag2Diag از واژه «تشخیصی» گرفته شده که به تکنیک‌های تحلیل پلاسما اشاره دارد و شامل حسگرهایی است که پلاسما را اندازه‌گیری می‌کنند. تشخیصی‌ها اندازه‌گیری‌ها را در فواصل منظم، اغلب با سرعت کسری از ثانیه، انجام می‌دهند. اما برخی از آن‌ها به اندازه کافی سریع نیستند تا ناپایداری‌های سریع‌التغییر پلاسما را تشخیص دهند؛ تغییراتی ناگهانی که تولید انرژی پایدار را دشوار می‌سازند.

 

در سیستم‌های همجوشی، تشخیصی‌های متعددی ویژگی‌های مختلف پلاسما را اندازه‌گیری می‌کنند. برای مثال، پراکندگی تامسون، تکنیکی است که در سیستم‌های حلقوی‌شکل به نام توکامک‌ها استفاده می‌شود.

این تشخیصی دمای ذرات باردار منفی، موسوم به الکترون‌ها، و چگالی آن‌ها را – یعنی تعداد الکترون‌ها در واحد فضا – اندازه‌گیری می‌کند. این اندازه‌گیری‌ها سریع‌اند، اما نه به اندازه‌ای که جزئیات مورد نیاز فیزیکدانان پلاسما برای حفظ پایداری و عملکرد بهینه را فراهم کنند.

 

اگمن کولمن، پژوهشگر اصلی پروژه که در آزمایشگاه فیزیک پلاسمای پرینستون و مرکز انرژی و محیط زیست اندلینگر دانشگاه پرینستون فعالیت می‌کند، می‌گوید: «Diag2Diag تشخیصی‌ها را بدون نیاز به هزینه‌های سخت‌افزاری تقویت می‌کند» .

این امر به ویژه برای پراکندگی تامسون مهم است، زیرا دیگر تشخیصی‌ها نمی‌توانند لبه پلاسما، یا همان پایه، را اندازه‌گیری کنند. پایه مهم‌ترین بخش پلاسما برای نظارت است، اما اندازه‌گیری آن بسیار دشوار است.

 

در پایان، سانگ‌کیون کیم، پژوهشگر پروژه، می‌گوید: «توکامک‌های تجربی امروزی تشخیصی‌های زیادی دارند، اما سیستم‌های تجاری آینده احتمالاً به تعداد کمتری نیاز خواهند داشت.» این امر راکتورهای همجوشی را فشرده‌تر می‌کند، فضای ارزشمندی را آزاد می‌سازد و سیستم را مقاوم‌تر و با هزینه‌های نگهداری کمتر می‌کند.