آزادسازی انرژی همجوشی هسته‌ای با کمک هوش مصنوعی

به گزارش خبرگزاری علم و فناوری آنا به نقل از سایتک دیلی، همانطور که اثرات تغییرات آب و هوایی همچنان در حال رشد است، علاقه به پتانسیل همجوشی به عنوان یک منبع انرژی پاک نیز افزایش می‌یابد. در حالی که واکنش‌های همجوشی از دهه ۱۹۳۰ در آزمایشگاه‌ها مورد مطالعه قرار گرفته‌اند، هنوز سوالات مهم بسیاری وجود دارد که دانشمندان باید به آن‌ها پاسخ دهند تا توان همجوشی را به واقعیت تبدیل کنند. وزارت انرژی ایالات متحده (DoE) به عنوان بخشی از استراتژی خود برای تسریع ورود انرژی همجوشی و رسیدن به بی‌طرفی کربن (کاهش انتشار کربن) تا سال ۲۰۵۰، بودجه جدیدی را برای پروژه‌ای به رهبری محققان مرکزعلوم و همجوشی پلاسما دانشگاه ام‌آی‌تی (PSFC) و چهار موسسه همکار در نظر گرفته است.

همجوشی یا فیوژن یک شکل نظری از تولید انرژی است که در آن انرژی با استفاده از واکنش‌های همجوشی هسته‌ای برای تولید حرارت و در نتیجه تولید برق استفاده می‌شود. در یک فرایند تلفیقی دو هسته اتمی سبک‌تر ترکیب می‌شوند تا یک هسته سنگین را تشکیل دهند و در عین حال انرژی را آزاد کنند. این همان فرایندی است که به ستاره‌هایی مانند خورشید قدرت می‌دهد.

توانمندسازی تحقیقات از طریق داده و هوش مصنوعی

کریستینا ری، دانشمند و رهبر گروه علوم و همجوشی پلاسما، به عنوان محقق اصلی این همکاری سه ساله که به تازگی سرمایه‌گذاری شده است برای اجرای آزمایش ادغام داده‌های همجوشی در سیستمی که می‌تواند توسط ابزار‌های مجهز به هوش مصنوعی خوانده شود، فعالیت می‌کند. محققان در این پروژه قصد دارند یک پلتفرم داده جامع ایجاد کنند که عناصر آن می‌تواند دسترسی بی‌سابقه‌ای را برای محققان، به خصوص دانشجویان کم بضاعت فراهم کند. هدف از این پروژه تشویق مشارکت‌های متنوع در زمینه همجوشی و علوم داده، هم در دانشگاه و هم در محیط کار، از طریق برنامه‌های توسعه‌ای به رهبری محققان مشترک این گروه است که چهار نفر از پنج نفر آن‌ها زن هستند.

پرداختن به چالش‌های دسترسی به داده‌

در حال حاضر، نزدیک به ۵۰ دستگاه همجوشی هسته‌ای آزمایشی از نوع محصور شدن مغناطیسی وجود دارد. با این حال، دسترسی به داده‌های تاریخی و فعلی از این دستگاه‌ها دشوار است. برخی از پایگاه‌های داده ادغامی نیاز به امضای توافق نامه‌های کاربری دارند و همه داده‌ها به یک شکل فهرست بندی و سازمان دهی نمی‌شوند. علاوه بر این، استفاده از یادگیری ماشینی، کلاسی از ابزار‌های هوش مصنوعی، برای تجزیه و تحلیل داده‌ها و فعال کردن کشف علمی بدون سازماندهی مجدد داده‌ها دشوار است. در نتیجه دانشمندان کمتری بر روی همجوشی کار می‌کنند و موانع بیشتری برای کشف و گلوگاه مهار هوش مصنوعی برای تسریع پیشرفت آن‌ها ایجاد می‌شود.

ری در مورد اهمیت تحقیقات خود می گوید: این پروژه در مورد پاسخ به نیازهای دانشمندان حوزه همجوشی و آماده کردن خودمان برای موفقیت است. پیشرفت‌های علمی در همجوشی از طریق همکاری چند رشته ایممکن می شود، بنابراین دسترسی به داده‌ها کاملا ضروری است. من فکر می کنم اکنون همه ما درک می کنیم که جوامع مختلف ایده های متنوع تری دارند و امکان حل سریع تر مساله را فراهم می کنند.