گروهی از پژوهشگران آزمایشگاه فیزیک پلاسما پرینستون (PPPL) وابسته به وزارت انرژی ایالات متحده بهدلیل توسعه رویکردی نوین برای کنترل پلاسما در راکتورهای همجوشی هستهای موفق به دریافت جایزه بنیاد Kaul برای برتری در پژوهش و توسعه فناوری فیزیک پلاسما در سال ۲۰۲۵ شدند.
به گزارش interesting engineering، این جایزه به سونگ مو یانگ، سانگکیون کیم و ریکاردو شوشا اعطا شده است؛ سه پژوهشگری که با بهینهسازی میدانهای مغناطیسی سهبعدی در توکامکها توانستهاند ناپایداریهای لبه پلاسما را مهار کرده و کارایی محصورسازی پلاسما را بهطور چشمگیری بهبود دهند.
همجوشی هستهای مستلزم برخورد اتمهای هیدروژن با انرژی بسیار بالا برای ایجاد پلاسما است؛ حالتی فوقداغ از ماده که دمای آن حتی از هسته خورشید نیز فراتر میرود. این پلاسما باید در محفظهای دوناتمانند موسوم به تواکمک بهصورت پایدار محصور شود.
به گفته آزمایشگاه PPPL پایدار نگهداشتن لبه پلاسما همچنان یکی از چالشهای اصلی در مسیر دستیابی به انرژی همجوشی است زیرا این ناحیه مرزی میتواند ناپایدار شده و به اجزای داخلی توکامک آسیب بزند.
در صورت ناپایداری لبه پلاسما پدیدهای موسوم به ناپایداریهای پارگی (tearing modes) رخ میدهد که باعث از دست رفتن محصورسازی، آسیب به محفظه و توقف ناگهانی فرآیند همجوشی میشود. روشهای رایج کنونی اغلب پس از وقوع این ناپایداریها وارد عمل میشوند؛ اما پژوهش جدید PPPL رویکردی پیشدستانه ارائه میدهد که با تنظیم لحظهای پارامترهای توکامک از شکلگیری این ناپایداریها جلوگیری میکند.
در حالی که بیشتر توکامکها بهطور سنتی از میدانهای مغناطیسی دوبعدی برای مهار پلاسما استفاده میکنند، یافتههای جدید نشان میدهد میدانهای مغناطیسی سهبعدی پایداری بسیار بالاتری ایجاد میکنند. با این حال محاسبه و بهینهسازی این میدانها بهقدری پیچیده است که از توان سامانههای کنترلی دستی فراتر میرود.
سانگکیون کیم، پژوهشگر ارشد PPPL در اینباره میگوید: تا امروز مسیر امیدوارکننده بهینهسازی سهبعدی را با ترکیب فیزیک، هوش مصنوعی و کنترل بلادرنگ دنبال کردهایم؛ هرچند تصمیم انسانی همچنان بخشی از فرآیند بهینهسازی است.
به گفته او همین پیچیدگیها باعث شده است یادگیری ماشین بهعنوان راهکار کلیدی برای ایجاد جهش در این حوزه مطرح شود. در این پژوهش سامانه هوش مصنوعی با انجام آزمایشهای شبیهسازیشده، راهبردهای بهینه برای حفظ توان بالا و جلوگیری از شرایط منجر به از دست رفتن پلاسما را فرا گرفته است.
این سامانه قادر است بروز ناپایداریهای احتمالی را پیشبینی کرده و با ریزتنظیمهای لحظهای در خطوط میدان مغناطیسی از وقوع آنها جلوگیری کند.
در این پروژه همکاری میان مراکز پژوهشی مختلف نقش کلیدی داشته است؛ از جمله آزمایشهایی که در تواکمک KSTAR کره جنوبی و تواکمک DIII-D در سندیگو انجام شدهاند. این همکاریها باعث شده است ساختار پژوهش بهصورت ماژولار و انعطافپذیر طراحی شود تا قابلیت استفاده در تاسیسات همجوشی مختلف در سراسر جهان را داشته باشد.
مرحله بعدی این پژوهش توسعه یک سامانه کاملا خودکار برای بهینهسازی میدانهای مغناطیسی سهبعدی است؛ سامانهای که قرار است با سایر مکانیسمهای کنترل پلاسما بهصورت هماهنگ عمل کند. بهدلیل تعدد متغیرها و پیچیدگی بالا پژوهشگران یادگیری ماشین را تنها مسیر واقعبینانه برای دستیابی به همجوشی در مقیاس تجاری میدانند.
استیو کاولی، مدیر آزمایشگاه PPPL در جمعبندی این دستاورد میگوید: سونگ مو یانگ، سانگکیون کیم و ریکاردو شوشا با ترکیب هوش مصنوعی و رویکردهای کلاسیک سهمی بنیادین در حل یکی از دشوارترین مسائل انرژی همجوشی داشتهاند. کار آنها نهتنها درک ما از بهرهبرداری پایدارتر و کارآمدتر از توکامکها را ارتقا داده بلکه هماکنون بر آزمایشهای همجوشی در سراسر جهان تاثیر گذاشته است.
انتهای پیام/