בינה מלאכותית מחוללת מהפכה באנרגיית ההיתוך על ידי חיזוי אי יציבות בפלזמה, מאפשרת שליטה מונעת והבטחת התקדמות בייצור חשמל נקי. קרדיט: twoday.co.il.com
צוות בראשות פרינסטון פיתח מודל AI כדי לחזות ולהימנע פְּלַסמָה חוסר יציבות בכורי היתוך, מציג שיפורי בקרה בזמן אמת ומתווה את הבמה לייצור אנרגיית היתוך אמין יותר.
כהרף עין, הפלזמה הסוררת והמחוממת שמניעה תגובת היתוך עלולה לאבד את יציבותה ולברוח מהשדות המגנטיים החזקים שכולאים אותה בתוך כור היתוך בצורת סופגניה. חופשות אלה מאייתות לעתים קרובות את סוף התגובה, מה שמציב אתגר מרכזי לפיתוח היתוך כמקור אנרגיה לא מזהם, כמעט בלתי מוגבל.
אבל צוות בראשות פרינסטון המורכב ממהנדסים, פיזיקאים ומדעני נתונים מהאוניברסיטה ומהמעבדה לפיזיקת פלזמה של פרינסטון (PPPL) רתמו את כוחה של בינה מלאכותית כדי לחזות – ולאחר מכן להימנע – היווצרות של בעיית פלזמה ספציפית בזמן אמת. זהו צעד מכריע לקראת הפיכת אנרגיית היתוך למקור כוח בר-קיימא ונקי.
בניסויים במתקן ההיתוך הלאומי DIII-D בסן דייגו, החוקרים הדגימו את המודל שלהם, שאומן רק על פי נתוני ניסויים מהעבר, יכול לחזות אי יציבות פוטנציאלית בפלזמה הידועה כאי יציבות במצב קריעה עד 300 אלפיות שניות מראש. אמנם זה לא משאיר יותר ממספיק זמן למצמוץ איטי בבני אדם, אבל זה היה מספיק זמן עבור בקר הבינה המלאכותית לשנות פרמטרים הפעלה מסוימים כדי להימנע ממה שהיה מתפתח לקרע בקווי השדה המגנטי של הפלזמה, משבש את שיווי המשקל ופתיחתה הדלת לבריחה שמסיימת תגובה.
החוקרים עומדים במרכז אנדלינגר (משמאל לימין: אזרחש ג'ללוונד, אגמן קולמן, ריקרדו שושה). קרדיט: אדנה סטיבנס
"על ידי למידה מניסויי עבר, במקום שילוב מידע ממודלים מבוססי פיזיקה, הבינה המלאכותית יכולה לפתח מדיניות בקרה סופית שתמכה במשטר פלזמה יציב וחזק בזמן אמת, בכור אמיתי", אמר מנהיג המחקר אגמן קולמן , פרופסור חבר להנדסת מכונות וחלל ומרכז אנדלינגר לאנרגיה וסביבה, וכן פיזיקאי מחקר צוות ב-PPPL.
המחקר פותח את הדלת לשליטה דינמית יותר בתגובת היתוך מאשר הגישות הנוכחיות, והוא מספק בסיס לשימוש בבינה מלאכותית כדי לפתור מגוון רחב של חוסר יציבות בפלזמה, שהיוו מכשולים מזמן להשגת תגובת היתוך מתמשכת. הצוות פרסם את ממצאיו ב טֶבַע ב-21 בפברואר.
"מחקרים קודמים התמקדו בדרך כלל בדיכוי או הפחתה של ההשפעות של אי-יציבות הקריעה לאחר שהן מתרחשות בפלזמה", אמר המחבר הראשון ג'אמין סאו, עוזר פרופסור לפיזיקה באוניברסיטת צ'ונג-אנג בדרום קוריאה שביצע חלק גדול מהעבודה בעודו חוקר פוסט דוקטורט בקבוצתו של קולמן. "אבל הגישה שלנו מאפשרת לנו לחזות ולהימנע מחוסר היציבות האלה לפני שהם מופיעים אי פעם."
מערבולת פלזמה מחוממת במיוחד במכשיר בצורת סופגניה
היתוך מתרחש כאשר שני אטומים – בדרך כלל אטומים קלים כמו מימן – מתאחדים ויוצרים אחד כבד יותר אָטוֹם, שחרור כמות גדולה של אנרגיה בתהליך. התהליך מניע את השמש, ובהמשך מאפשר חיים על פני כדור הארץ.
עם זאת, קשה לגרום לשני האטומים להתמזג, שכן נדרשות כמויות אדירות של לחץ ואנרגיה עבור שני האטומים כדי להתגבר על הדחייה ההדדית שלהם.
למרבה המזל של השמש, כוח המשיכה האדיר שלה והלחצים הגבוהים ביותר בליבה מאפשרים לתגובות היתוך להתקדם. כדי לשחזר תהליך דומה על פני כדור הארץ, מדענים במקום זאת משתמשים בפלזמה חמה במיוחד ובמגנטים חזקים במיוחד.
במכשירים בצורת סופגניה הידועים כטוקאמקים – המכונה לפעמים "כוכבים בצנצנות" – שדות מגנטיים נאבקים להכיל פלזמות שמגיעות למעל 100 מיליון מעלות צֶלסִיוּסחם יותר ממרכז השמש.
בעוד שישנם סוגים רבים של אי יציבות פלזמה שיכולים להפסיק את התגובה, צוות פרינסטון התרכז בפתרון אי יציבות במצב קריעה, הפרעה שבה קווי השדה המגנטי בתוך פלזמה למעשה נשברים ויוצרים הזדמנות לבריחה של הפלזמה לאחר מכן.
"אי-יציבות במצב קריעה הם אחד הגורמים העיקריים לשיבוש פלזמה, והם יהפכו לבולטים עוד יותר ככל שננסה להפעיל תגובות היתוך בהספקים הגבוהים הנדרשים להפקת מספיק אנרגיה", אמר Seo. "הם מהווים אתגר חשוב לפתור לנו".
מיזוג בינה מלאכותית ופיזיקה של פלזמה
מאחר וחוסר יציבות במצב קריעה יכול להיווצר ולדרדר תגובת היתוך בתוך אלפיות שניות, החוקרים פנו לבינה מלאכותית בשל יכולתה לעבד ולפעול במהירות בתגובה לנתונים חדשים.
אבל התהליך לפיתוח בקר בינה מלאכותית אפקטיבי לא היה פשוט כמו לנסות כמה דברים בטוקאמק, שבו הזמן מוגבל וההימור גבוה.
מחבר שותף אזרחש ג'ללוונד, חוקר מחקר בקבוצתו של קולמן, השווה לימוד אלגוריתם להפעלת תגובת היתוך בטוקאמק ללמד מישהו כיצד להטיס מטוס.
"לא תלמד מישהו בכך שתמסור לו סט מפתחות ואומר לו לנסות כמיטב יכולתו," אמר ג'ללוונד. "במקום זאת, תבקש מהם להתאמן על סימולטור טיסה מאוד מורכב עד שהם ילמדו מספיק כדי לנסות את הדבר האמיתי."
כמו פיתוח סימולטור טיסה, צוות פרינסטון השתמש בנתונים מניסויי עבר ב-DIII-D tokamak כדי לבנות רשת עצבית עמוקה המסוגלת לחזות את הסבירות לאי יציבות קריעה עתידית בהתבסס על מאפייני פלזמה בזמן אמת.
הם השתמשו ברשת העצבית הזו כדי לאמן אלגוריתם למידת חיזוק. בדומה לחניך טייס, אלגוריתם למידת החיזוק יכול לנסות אסטרטגיות שונות לשליטה בפלזמה, ללמוד באמצעות ניסוי וטעייה אילו אסטרטגיות עבדו ואילו לא בבטיחות של סביבה מדומה.
"אנחנו לא מלמדים את מודל למידת החיזוק את כל הפיזיקה המורכבת של תגובת היתוך," אמר ג'ללוונד. "אנחנו אומרים לו מה המטרה – לשמור על תגובה בעלת עוצמה גבוהה – ממה להימנע – חוסר יציבות במצב קריעה – ואת הכפתורים שהוא יכול לסובב כדי להשיג את התוצאות הללו. עם הזמן, הוא לומד את המסלול האופטימלי להשגת המטרה של כוח גבוה תוך הימנעות מעונש של חוסר יציבות".
בעוד המודל עבר אינספור ניסויי היתוך מדומה, בניסיון למצוא דרכים לשמור על רמות הספק גבוהות תוך הימנעות מאי יציבות, המחבר SangKyeun Kim יכול היה לצפות ולחדד את פעולותיו.
"ברקע, אנו יכולים לראות את כוונות המודל", אמר קים, חוקר צוות ב-PPPL ולשעבר חוקר פוסט-דוקטורט בקבוצתו של קולמן. "חלק מהשינויים שהמודל רוצה הם מהירים מדי, אז אנחנו פועלים להחליק ולהרגיע את המודל. כבני אדם, אנו בוררים בין מה שה-AI רוצה לעשות לבין מה שהטוקאמק יכול להכיל."
ברגע שהם היו בטוחים ביכולות של בקר הבינה המלאכותית, הם בדקו אותו במהלך ניסוי היתוך ממשי ב-D-III D tokamak, תוך התבוננות כשהבקר ביצע שינויים בזמן אמת בפרמטרים מסוימים של Tokamak כדי למנוע תחילתה של חוסר יציבות. פרמטרים אלו כללו שינוי צורת הפלזמה וחוזק הקורות המכניסות כוח לתגובה.
"היכולת לחזות חוסר יציבות מבעוד מועד יכולה להקל על הפעלת התגובות הללו מאשר הגישות הנוכחיות, שהן פסיביות יותר", אמר קים. "אנחנו כבר לא צריכים לחכות לחוסר היציבות שיתרחשו ואז לנקוט בפעולה מתקנת מהירה לפני שהפלזמה תופרע."
כוח אל העתיד
בעוד שהחוקרים אמרו שהעבודה היא הוכחה מבטיחה שמדגימה כיצד בינה מלאכותית יכולה לשלוט ביעילות על תגובות היתוך, היא רק אחת מני רבות של צעדים הבאים שכבר נמשכים בקבוצתו של קולמן לקידום תחום חקר ההיתוך.
הצעד הראשון הוא להשיג עדויות נוספות לבקר AI בפעולה ב-DIII-D tokamak, ולאחר מכן להרחיב את הבקר לתפקד בטוקאמקים אחרים.
"יש לנו הוכחות חזקות לכך שהבקר עובד די טוב ב-DIII-D, אבל אנחנו צריכים עוד נתונים כדי להראות שהוא יכול לעבוד במספר מצבים שונים", אמר המחבר הראשון Seo. "אנחנו רוצים לעבוד לקראת משהו יותר אוניברסלי."
קו מחקר שני כולל הרחבת האלגוריתם לטיפול בבעיות בקרה רבות ושונות בו-זמנית. בעוד המודל הנוכחי משתמש במספר מצומצם של אבחון כדי למנוע סוג אחד ספציפי של חוסר יציבות, החוקרים יכולים לספק נתונים על סוגים אחרים של אי יציבות ולתת גישה לעוד כפתורים עבור בקר הבינה המלאכותית כדי לכוונן.
"אתה יכול לדמיין פונקציית תגמול אחת גדולה המסובבת כפתורים רבים ושונים כדי לשלוט בו-זמנית בכמה סוגים של אי יציבות", אמר מחבר שותף ריקרדו שושה, פוסט דוקטורט ב-PPPL וסטודנט לשעבר לתואר שני בקבוצת קולמן, שסיפק תמיכה בניסויים ב-DIII- ד.
ובדרך לפיתוח בקרי בינה מלאכותית טובים יותר לתגובות היתוך, חוקרים עשויים גם להשיג יותר הבנה של הפיזיקה הבסיסית. על ידי לימוד החלטותיו של בקר הבינה המלאכותית כשהוא מנסה להכיל את הפלזמה, שיכולה להיות שונה בתכלית ממה שעשויות לרשום הגישות המסורתיות, בינה מלאכותית עשויה להיות לא רק כלי לשלוט בתגובות היתוך אלא גם משאב הוראה.
"בסופו של דבר, זו עשויה להיות יותר מסתם אינטראקציה חד-כיוונית של מדענים המפתחים ופריסה של מודלים אלה בינה מלאכותית", אמר קולמן. "על ידי לימוד אותם בפירוט רב יותר, ייתכן שיש להם דברים מסוימים שהם יכולים ללמד אותנו גם."
המאמר, "הימנעות מחוסר יציבות קורעת טוקאמק באמצעות בינה מלאכותית", פורסם ב-21 בפברואר ב טֶבַע.
בנוסף לקולמן, Seo, Jalalvand, Kim ושושה, מחברים שותפים כוללים את רורי קונלין, ג'וזף אבטה וג'וזיה וואי אוניברסיטת פרינסטוןכמו גם קית' אריקסון מ-PPPL.
העבודה נתמכה על ידי משרד האנרגיה האמריקני של משרד האנרגיה של פיוז'ן, כמו גם קרן המחקר הלאומית של קוריאה (NRF). המחברים גם מכירים בשימוש במתקן ההיתוך הלאומי DIII-D, מתקן משתמש של משרד האנרגיה של משרד המדע.
