دانشمندان در آزمایشگاه ملی Lawrence Livermore از توسعه یک مدل هوش مصنوعی خبر داده‌اند که توانسته است نتایج یک آزمایش همجوشی هسته‌ای در سال ۲۰۲۲ را با دقتی بیش از ۷۰ درصد پیش‌بینی کند.
به گزارش تکناک، این دستاورد، علاوه بر سبقت گرفتن از روش‌های موجود ابررایانه‌ای، راهی تازه برای پیش‌بینی دقیق‌تر در حوزه‌ای با داده‌های محدود فراهم کرده است و می‌تواند هزینه و زمان تحقیقات را به طور چشمگیری کاهش دهد.
در حال حاضر، انرژی هسته‌ای جهان از طریق شکافت اتمی تولید می‌شود؛ فرایندی که در آن نوترون‌ها به اتم‌های بزرگ‌تر برخورد می‌کنند و با شکسته شدن آنها به اتم‌های کوچک‌تر، نوترون‌های تازه‌ای آزاد می‌شود. این واکنش زنجیره‌ای، انرژی عظیمی آزاد می‌کند، اما پایداری آن دشوار است و تنها با ایزوتوپ‌های خاصی از اورانیوم یا پلوتونیوم انجام می‌شود. اگرچه شکافت، توان تولید برق بدون کربن را دارد، اما به دلیل تولید پسماندهای هسته‌ای خطرناک و ماندگار، همواره با چالش‌های زیست‌محیطی همراه است.
در مقابل، همجوشی هسته‌ای به‌عنوان گزینه‌ای پاک‌تر و ایمن‌تر مطرح است. در این فرایند، اتم‌های سبک مانند هیدروژن با یکدیگر ترکیب می‌شوند و اتمی سنگین‌تر مانند هلیوم تشکیل می‌دهند. این واکنش انرژی بسیار بیشتری نسبت به شکافت آزاد می‌کند و محصولات جانبی زیان‌آور کمتری دارد. با وجود این، فناوری لازم برای ایجاد و حفظ شرایط همجوشی همچنان در دسترس کامل نیست.
مرکز National Ignition Facility (NIF) در Lawrence Livermore، که قدرتمندترین سیستم لیزری جهان را در اختیار دارد، از سال‌ها پیش روی این فناوری کار می‌کند. در یکی از روش‌ها به نام همجوشی با محصورسازی لَختی، کپسول‌هایی حاوی دوتریوم و تریتیوم درون محفظه‌ای به نام hohlraum قرار داده می‌شوند. لیزرها با حرارت دادن به این محفظه، پرتوهای X تولید می‌کنند که باعث فشرده‌سازی شدید کپسول‌ها می‌شود. در اوج فشرده‌سازی، حجم کپسول تا ۱۰ هزار برابر کوچک‌تر می‌شود و شرایطی فوق‌العاده داغ و پرانرژی برای آغاز همجوشی ایجاد می‌گردد.
با وجود این، شبیه‌سازی‌های رایانه‌ای کنونی قادر به پیش‌بینی دقیق همه جزئیات این فرایند نیستند. محدودیت کدها و خطاهای شبیه‌سازی باعث می‌شود که خروجی این مدل‌ها زمان‌بر و مبهم باشد؛ در حد نقشه‌ای ناقص که نمی‌تواند مسیر آزمایش را به‌روشنی مشخص کند. این موضوع ریسک بالایی به همراه دارد، چرا که هر آزمایش همجوشی هزینه‌های هنگفتی به‌دنبال دارد.
تیم NIF برای غلبه بر این مشکل، داده‌های پیشین را با شبیه‌سازی‌های دقیق فیزیکی و دانش متخصصان ترکیب کرد و آن را در اختیار یک ابررایانه قرار داد. این ابررایانه طی بیش از ۳۰ میلیون ساعت پردازش CPU، تحلیل‌های آماری گسترده‌ای انجام داد. نتیجه این کار، تولید «نقشه‌هایی» دقیق‌تر از مسیر آزمایش‌ها بود، که به پژوهشگران امکان می‌دهد خطاها را قبل از وقوع، شناسایی و طراحی آزمایش‌ها را اصلاح کنند.
آزمایش انجام‌شده در سال ۲۰۲۲ نشان داد که این مدل پس از اصلاحات در بخش فیزیکی، توانست با دقتی بالای ۷۰ درصد نتیجه نهایی را پیش‌بینی کند. این دستاورد اگرچه به معنای تحقق کامل همجوشی هسته‌ای نیست، اما به گفته پژوهشگران، می‌تواند راه را برای انجام آزمایش‌های ارزان‌تر و کارآمدتر در آینده هموار سازد.
این پیشرفت علمی نوید آن را می‌دهد که تلاش چند دهه‌ای برای دستیابی به انرژی پاک و پایدار از طریق همجوشی هسته‌ای به مرحله‌ای تازه و امیدوارکننده رسیده است.
