Μια ομάδα ερευνητών του MIT παρουσίασε ένα πρωτοποριακό σύστημα τεχνητής νοημοσύνης που υπόσχεται να κάνει τους πυρηνικούς αντιδραστήρες σύντηξης πιο σταθερούς και ασφαλείς. Το νέο αυτό εργαλείο μπορεί να προβλέπει τη συμπεριφορά του πλάσματος, του ηλεκτρικά φορτισμένου αερίου που αποτελεί το «καύσιμο» των αντιδραστήρων τύπου tokamak, κατά τη διάρκεια της πιο κρίσιμης φάσης λειτουργίας τους: το σβήσιμο.
Το πλάσμα είναι ίσως η πιο δύσκολη μορφή ύλης για να ελεγχθεί. Κινείται με ταχύτητες που ξεπερνούν τα 100 χιλιόμετρα το δευτερόλεπτο και φτάνει θερμοκρασίες άνω των 100 εκατομμυρίων βαθμών Κελσίου – πολύ υψηλότερες από αυτές του Ήλιου. Αυτή η ακραία συμπεριφορά καθιστά τη διαχείρισή του μια από τις μεγαλύτερες τεχνικές προκλήσεις της σύγχρονης φυσικής.
Στην ορολογία των φυσικών, η φάση της «rampdown» είναι εκείνη κατά την οποία το ρεύμα του πλάσματος μειώνεται σταδιακά, με σκοπό να αποφευχθεί κάθε μορφή αστάθειας που θα μπορούσε να καταστρέψει τα εσωτερικά τοιχώματα του αντιδραστήρα. Ωστόσο, αυτή η ίδια φάση είναι και η πιο επικίνδυνη. Η παραμικρή διαταραχή μπορεί να προκαλέσει έντονη θερμότητα ή ηλεκτρικά φορτία που καταστρέφουν τα εσωτερικά υλικά του tokamak. Κάθε τέτοια ζημιά σημαίνει χρονοβόρες και δαπανηρές επισκευές, επιβραδύνοντας σημαντικά την πρόοδο προς την επίτευξη της πολυπόθητης καθαρής ενέργειας σύντηξης.
Οι ερευνητές του MIT ανέπτυξαν ένα υβριδικό μοντέλο που συνδυάζει αλγορίθμους μηχανικής μάθησης με τις παραδοσιακές φυσικές εξισώσεις που περιγράφουν τη συμπεριφορά του πλάσματος. Το σύστημα εκπαιδεύτηκε χρησιμοποιώντας δεδομένα από τον TCV, τον ελβετικό tokamak του EPFL Plasma Center, έναν από τους πιο προηγμένους αντιδραστήρες παγκοσμίως για τη μελέτη φαινομένων αστάθειας.
Με περιορισμένο αριθμό πραγματικών πειραμάτων, η τεχνητή νοημοσύνη κατάφερε να προβλέψει εγκαίρως τις μεταβολές στο πλάσμα και να προτείνει διορθωτικές κινήσεις σε πραγματικό χρόνο. Με αυτό τον τρόπο, βελτιώθηκε θεαματικά η ασφάλεια της διαδικασίας απενεργοποίησης, αποτρέποντας πιθανές βίαιες διακοπές.
Σύμφωνα με τον Allen Wang, κύριο συγγραφέα της μελέτης, «μια ανεξέλεγκτη διακοπή του πλάσματος, ακόμα και κατά τη διάρκεια της rampdown φάσης, μπορεί να προκαλέσει εξαιρετικά ισχυρές θερμικές ροές που είναι ικανές να καταστρέψουν τα εσωτερικά τοιχώματα του αντιδραστήρα». Ο ίδιος επισημαίνει ότι στόχος της ομάδας είναι να προσφέρει στους χειριστές ένα αξιόπιστο και αυτόνομο εργαλείο που θα επιτρέπει την ασφαλή διαχείριση του πλάσματος, μειώνοντας παράλληλα το κόστος λειτουργίας και συντήρησης.
Για να μεταφραστούν οι προβλέψεις του μοντέλου σε πρακτικές εντολές, οι επιστήμονες ανέπτυξαν έναν αλγόριθμο που δημιουργεί «τροχιές ελέγχου» – μια σειρά από οδηγίες που μπορεί να εκτελέσει αυτόνομα ο tokamak. Οι εντολές αυτές ρυθμίζουν κρίσιμες παραμέτρους, όπως η θερμοκρασία ή η ένταση των μαγνητών, ώστε να διατηρείται σταθερό το πλάσμα καθώς μειώνεται η ενέργειά του.
Τα πρώτα πειραματικά αποτελέσματα στην Ελβετία ήταν εντυπωσιακά: το σύστημα κατάφερε να ολοκληρώσει πλήρη διαδικασία απενεργοποίησης χωρίς κανένα ατύχημα ή ζημιά στον θάλαμο. Αυτό ανοίγει τον δρόμο για την ενσωμάτωση της τεχνητής νοημοσύνης στις επόμενες γενιές πειραματικών αντιδραστήρων, όπως ο ITER στη Γαλλία, όπου το παραμικρό λάθος μπορεί να έχει τεράστιο κόστος.
Η μελέτη του MIT δημοσιεύτηκε στο περιοδικό Nature Communications και, αν και δεν αποτελεί ακόμη τη «λύση» που θα κάνει τη σύντηξη πλήρως λειτουργική, θεωρείται ορόσημο στην πορεία προς ασφαλέστερους αντιδραστήρες. Μέχρι σήμερα, τα περισσότερα περιστατικά ζημιών στους tokamak οφείλονταν σε ανεξέλεγκτες φάσεις σβησίματος. Ένα σύστημα που μπορεί να προβλέψει αυτές τις αστάθειες και να παρέμβει εγκαίρως αποτελεί τεράστιο βήμα προς την κατεύθυνση των αυτόνομων και εμπορικά βιώσιμων αντιδραστήρων σύντηξης.
[via]
