به گزارش خبرنگار اقتصاد معاصر؛ پژوهشگران موسسه فناوری ماساچوست (MIT) موفق شده‌اند یکی از چالش‌های اساسی در مسیر دستیابی به همجوشی هسته‌ای (منبعی پاک، ایمن و تقریبا بی‌پایان از انرژی) را پشت سر بگذارند. این دستاورد که با ترکیب فیزیک و یادگیری ماشین به دست آمده، می‌تواند تحولی بزرگ در آینده‌ی انرژی جهان رقم بزند.
همجوشی هسته‌ای فرایندی است که در اعماق ستارگان رخ می‌دهد و نیروی آنها را تامین می‌کند. برای بازآفرینی این پدیده در زمین دانشمندان از دستگاهی به نام توکامک (Tokamak) استفاده می‌کنند؛ سازه‌ای دونات‌مانند که با میدان‌های مغناطیسی فوق‌العاده قوی، پلاسما (گازی بسیار داغ و باردار) را درون خود به دام می‌اندازد تا واکنش‌های همجوشی در آن انجام شود.
کنترل پلاسما در چنین دما و سرعتی، کاری دشوار است، در حین عملکرد کامل پلاسما درون توکامک با سرعتی حدود ۱۰۰ کیلومتر در ثانیه گردش می‌کند و دمایی تا ۱۰۰ میلیون درجه سلسیوس، دمایی داغ‌تر از هسته خورشید دارد. در صورت بروز خطا یا نیاز به توقف واکنش، اپراتور‌ها باید فرآیند کاهش تدریجی انرژی را با دقتی بسیار بالا انجام دهند تا به دیواره‌های داخلی راکتور آسیبی وارد نشود (فرآیندی که کوچک‌ترین اشتباه در آن می‌تواند خسارت‌بار باشد.)
در پژوهش تازه‌ای که نتایج آن در مجله Nature Communications منتشر شده، تیم MIT با بهره‌گیری از هوش مصنوعی توانسته است رفتار پلاسما را بر اساس شرایط اولیه‌اش پیش‌بینی کند؛ گامی که راه را برای کنترل بهتر و ایمن‌تر همجوشی هموار می‌کند.
آلن وانگ، نویسنده اصلی این تحقیق و دانشجوی کارشناسی ارشد MIT اظهار کرد: «برای اینکه همجوشی به منبعی قابل‌اعتماد از انرژی تبدیل شود، باید بتوانیم پلاسما را به شکلی دقیق و پایدار مدیریت کنیم.»
به گفته وانگ، در پلاسما‌های با عملکرد بالا مرحله‌ی کاهش توان یکی از حساس‌ترین بخش‌های کار است، زیرا می‌تواند سامانه را به مرز ناپایداری نزدیک کند.
وی افزود: «این یک تعادل ظریف میان حفظ عملکرد و جلوگیری از آسیب است. هر گام اشتباه ممکن است به هزینه‌های سنگین منجر شود.»
از آنجا که آزمایش‌های عملی در راکتور‌های فعال بسیار پرهزینه‌اند، پژوهشگران برای حل مشکل کمبود داده به جای انجام آزمایش‌های بیشتر به قوانین بنیادی فیزیک بازگشتند. آنها یک شبکه عصبی هوشمند را با مدلی فیزیکی از دینامیک پلاسما ترکیب کردند و مدل ترکیبی را با داده‌های به‌دست‌آمده از دستگاه TCV در سوئیس آموزش دادند.
نتیجه این تلاش، الگوریتمی بود که می‌تواند مسیر احتمالی رفتار پلاسما (trajectory) را پیش‌بینی کند و به اپراتور‌ها نشان دهد چگونه راکتور را به‌صورت ایمن و تدریجی خاموش کنند، این الگوریتم در آزمایش‌های واقعی نیز عملکرد موفقی از خود نشان داد.
وانگ در ادامه گفت: «چندین بار این روش را در توکامک TCV آزمایش کردیم و هر بار عملکرد دستگاه بهبود یافت، از نظر آماری مطمئن شدیم که مدل ما واقعا موثر است.»
وی در پایان افزود: «ما تازه در آغاز راهی طولانی هستیم اما این گام می‌تواند نقشی تعیین‌کننده در تبدیل همجوشی هسته‌ای به منبعی روزمره و قابل‌اعتماد برای تامین انرژی ایفا کند.»
پژوهش MIT نشان می‌دهد که ترکیب علم فیزیک و هوش مصنوعی می‌تواند راه را برای دستیابی به انرژی پاک و نامحدود هموار کند، انرژی‌ای که شاید در آینده‌ای نه‌چندان دور بشریت را از وابستگی به سوخت‌های فسیلی رها سازد.