کشف آلیاژهای نسل بعدی همجوشی هستهای با هوش مصنوعی؛ زمان تحقیق از چند ماه به چند ساعت کاهش یافت
دانشمندان آمریکایی با توسعه یک ابزار هوش مصنوعی جدید به نام DuctGPT توانستهاند فرآیند کشف و طراحی آلیاژهای مقاوم برای راکتورهای همجوشی هستهای را از چند ماه به چند ساعت کاهش دهند. این فناوری که در آزمایشگاه ملی ایمز توسعه یافته، میتواند مسیر ساخت نیروگاههای همجوشی آینده را متحول کند.
رقابت جهانی برای دستیابی به انرژی همجوشی هستهای وارد مرحله تازهای شده است؛ مرحلهای که در آن هوش مصنوعی نقش تعیینکنندهای در کشف مواد پیشرفته بازی میکند. دانشمندان آزمایشگاه ملی ایمز آمریکا اکنون ابزار جدیدی را معرفی کردهاند که با ترکیب هوش مصنوعی و مدلسازی مبتنی بر فیزیک، قادر است آلیاژهای مناسب برای راکتورهای همجوشی را با سرعتی بیسابقه شناسایی کند.
این ابزار که DuctGPT نام دارد، نسخهای توسعهیافته از مدل AtomGPT محسوب میشود و با هدف طراحی موادی ساخته شده که بتوانند شرایط بسیار خشن داخل راکتورهای همجوشی را تحمل کنند؛ شرایطی شامل دمای فوقالعاده بالا، تابش شدید و فشارهای مکانیکی سنگین. پژوهشگران معتقدند این فناوری میتواند روند توسعه نیروگاههای همجوشی را به شکل قابل توجهی تسریع کند و هزینههای تحقیقاتی را کاهش دهد.
هوش مصنوعی چگونه به طراحی مواد همجوشی کمک میکند؟
یکی از بزرگترین موانع در مسیر توسعه انرژی همجوشی، یافتن موادی است که بتوانند در برابر شرایط افراطی داخل راکتور مقاومت کنند. فضای داخلی راکتورهای همجوشی با دماهایی بسیار بالا، بمباران نوترونی و تنشهای مکانیکی مداوم روبهرو است. به همین دلیل، انتخاب ماده مناسب برای ساخت قطعات داخلی راکتور اهمیت حیاتی دارد.
پیش از این، بررسی هزاران یا حتی میلیونها ترکیب آلیاژی بالقوه نیازمند محاسبات پیچیده ابررایانهای بود و گاهی ماهها زمان میبرد. اما اکنون DuctGPT قادر است این فرآیند را تنها در چند ثانیه انجام دهد و ترکیبات مناسب را پیشنهاد کند.
پراشانت سینگ، دانشمند آزمایشگاه ملی ایمز و رهبر این پروژه، درباره عملکرد این سیستم توضیح میدهد:
«اکنون میتوانیم از هوش مصنوعی بخواهیم مادهای برای راکتور همجوشی طراحی کند که مجموعهای از ویژگیهای حیاتی مانند استحکام بالا، مقاومت حرارتی و شکلپذیری مناسب را داشته باشد. سپس سیستم، ترکیب عناصری را که این معیارها را برآورده میکنند، پیشنهاد میدهد.»
توسعه DuctGPT بر پایه AtomGPT
تیم تحقیقاتی برای ساخت این سامانه، مدل AtomGPT را که پیشتر توسط مؤسسه ملی استاندارد و فناوری آمریکا (NIST) توسعه یافته بود، تغییر داد و آن را با دادههای تخصصی علم مواد آموزش مجدد داد.
در واقع، پژوهشگران مجموعه بزرگی از دادههای معتبر مربوط به رفتار مواد را وارد سیستم کردند تا هوش مصنوعی بتواند عملکرد آلیاژها را در محیطهای همجوشی پیشبینی کند. نتیجه این فرآیند، شکلگیری DuctGPT بود؛ مدلی که توانایی تحلیل تعداد عظیمی از ترکیبات عنصری را در زمانی بسیار کوتاه دارد.
ویژگی مهم این ابزار، رابط کاربری محاورهای آن است. پژوهشگران میتوانند تنها با نوشتن درخواستهای متنی ساده، پارامترهای مورد نیاز خود را تعریف کنند. به عنوان مثال، یک محقق میتواند از سیستم بخواهد آلیاژی طراحی کند که در دماهای بسیار بالا استحکام خود را حفظ کرده و در عین حال قابلیت شکلدهی مناسبی داشته باشد. هوش مصنوعی سپس ترکیبات مناسب را پیشنهاد میدهد.
چرا تنگستن برای راکتورهای همجوشی اهمیت دارد؟
یکی از موادی که توجه ویژه دانشمندان را به خود جلب کرده، فلز تنگستن است. این فلز به دلیل نقطه ذوب بسیار بالا و مقاومت عالی در برابر گرما، یکی از گزینههای اصلی برای استفاده در راکتورهای همجوشی محسوب میشود.
تنگستن همچنین مزیت مهم دیگری دارد؛ این ماده پس از قرار گرفتن در معرض تابشهای همجوشی، نسبت به بسیاری از مواد دیگر مدت کوتاهتری رادیواکتیو باقی میماند. همین موضوع آن را به گزینهای جذاب برای نیروگاههای آینده تبدیل کرده است.
با این حال، تنگستن یک ضعف اساسی نیز دارد. پراشانت سینگ توضیح میدهد که این فلز در دماهای پایین انعطافپذیری کششی کافی ندارد و همین موضوع شکلدهی آن به ساختارهای پیچیده را دشوار میکند.
به گفته او، DuctGPT اکنون میتواند در فضای ترکیبی موادی مانند تنگستن، تیتانیوم، زیرکونیوم و هافنیوم جستوجو کند تا آلیاژهایی را بیابد که ضمن حفظ استحکام و دمای ذوب بالای تنگستن، شکلپذیری بهتری نیز داشته باشند.
هدف نهایی این پروژه، تولید آلیاژهای نسوزی است که هم بتوانند گرمای شدید را تحمل کنند و هم در فرآیند تولید صنعتی، قابلیت شکلدهی مناسبی داشته باشند.
کاهش زمان کشف مواد از چند ماه به چند ساعت
یکی از مهمترین دستاوردهای این پروژه، کاهش چشمگیر زمان کشف مواد جدید است. در گذشته، بررسی ترکیبات آلیاژی و پیشبینی خواص آنها به محاسبات سنگین ابررایانهای نیاز داشت و ممکن بود ماهها طول بکشد.
اما اکنون این فرآیند روی یک کامپیوتر رومیزی معمولی قابل انجام است و زمان لازم برای یافتن مواد جدید از چند ماه به چند روز یا حتی چند ساعت کاهش یافته است. این تحول میتواند سرعت توسعه فناوریهای همجوشی را به شکل قابل توجهی افزایش دهد.
پروژه DuctGPT با حمایت برنامه ARPA-E CHADWICK و سرمایهگذاریهای داخلی آزمایشگاه ملی ایمز انجام شده و با مأموریت Genesis وزارت انرژی آمریکا همسو است؛ برنامهای که هدف آن تسریع کشف و استفاده از مواد پیشرفته برای فناوریهای انرژی آینده است.
آینده انرژی همجوشی با کمک هوش مصنوعی
دانشمندان آزمایشگاه ملی ایمز تأکید میکنند که این پروژه تنها به پیشبینی رایانهای محدود نمیشود. این آزمایشگاه امکانات لازم برای سنتز و آزمایش آلیاژهای پیشنهادی را نیز در اختیار دارد تا مشخص شود آیا مواد طراحیشده واقعاً میتوانند شرایط سخت راکتورهای همجوشی را تحمل کنند یا نه.
پژوهشگران امیدوارند ترکیب هوش مصنوعی و علم مواد بتواند روند توسعه نیروگاههای همجوشی را سرعت ببخشد؛ نیروگاههایی که سالهاست به عنوان یکی از پاکترین و قدرتمندترین منابع انرژی آینده شناخته میشوند.
اگر این فناوری بتواند مواد مقاومتر و ارزانتری تولید کند، مسیر تجاریسازی انرژی همجوشی بسیار کوتاهتر خواهد شد؛ مسیری که میتواند آینده صنعت انرژی جهان را برای همیشه تغییر دهد.
توسعه DuctGPT نشان میدهد که هوش مصنوعی اکنون فراتر از تولید متن و تصویر، به ابزاری حیاتی در تحقیقات علمی پیشرفته تبدیل شده است. این سامانه نهتنها فرآیند کشف آلیاژهای مناسب برای راکتورهای همجوشی را از چند ماه به چند ساعت کاهش داده، بلکه امکان طراحی مواد جدید با ویژگیهای کاملاً هدفمند را نیز فراهم کرده است.
در شرایطی که جهان به دنبال منابع انرژی پاک و پایدار است، فناوریهایی مانند DuctGPT میتوانند نقش کلیدی در سرعت بخشیدن به تحقق رؤیای نیروگاههای همجوشی ایفا کنند؛ رؤیایی که شاید اکنون بیش از هر زمان دیگری به واقعیت نزدیک شده باشد.
