Physics Attention Transformer Surrogate for Rapid Vertical Instability Growth Rate Prediction: Alcator C-Mod to SPARC

في سعيها لبناء مفاعل اندماجي عملي، يواجه العلماء تحديًا مستمرًا وهائلًا: الحفاظ على سحابة من البلازما شديدة السخونة، وهي أكثر سخونة من مركز الشمس، معلقة في الهواء دون أن تلمس جدران حاويتها. لا يعد هذا مجرد مسألة إمساك بالون؛ فالبلازما هي سائل دوار مشحون كهربائيًا يرغب طبيعيًا في الانهيار أو الانطلاق خارج قفصه المغناطيسي. وفي التصميمات الأكثر تقدمًا، يتم تمديد البلازما لتتخذ شكلًا طوليًا ونحيفًا لزيادة الكفاءة، ولكن هذا الشكل نفسه يجعلها غير مستقرة. فإذا مال عمود البلازما ولو قليلًا، يمكن أن يصبح غير مستقر ويصطدم بجدران الوعاء في جزء من الثانية، مما قد يؤدي إلى إتلاف الآلة وإنهاء التفاعل. ولمنع حدوث ذلك، يجب أن تكتشف أنظمة التحكم أوائل علامات المشاكل وتدفع البلازما للعودة إلى مكانها. ومع ذلك، فإن معرفة أن البلازما قد تحركت ليست كافية؛ بل يجب على النظام أيضًا معرفة مدى سرعة تسارع تلك الحركة. وإذا نما عدم الاستقرار بسرعة كبيرة، فإن إجراءات التحكم القياسية ستكون بطيئة جدًا لإيقافه، ويجب على الآلة أن تستعد لإغلاق محكوم لتجنب وقوع كارثة.

المشكلة هي أن الطريقة الأكثر دقة لحساب سرعة هذا النمو تستغرق وقتًا طويلاً للغاية. فنماذج الكمبيوتر الحالية، التي تعد المعيار الذهبي، والتي تحاكي كيفية تفاعل البلازما مع الجدران المعدنية والملفات المغناطيسية، تتطلب دقائق لإجراء عملية حسابية واحدة. وفي نظام تحكم في الوقت الفعلي يحتاج لاتخاذ قرارات كل بضعة مللي ثانية، فإن الانتظار لدقائق أمر مستحيل. لسنوات، اعتمد العلماء على نماذج مبسطة أسرع تتعامل مع البلازما كجسم صلب وثابت. ورغم أنها سريعة، إلا أنها غالبًا ما تغفل عن التحولات السائلة الدقيقة في التيارات الداخلية للبلازما التي تحدد فعليًا مدى سرعة نمو عدم الاستقرار، خاصة في الأشكال المعقدة وعالية الأداء المخطط لها للمفاعلات المستقبلية. وقد طور فريق من الباحثين في معهد ماساتشوستس للتكنولوجيا (MIT) وشركة كومونولث فيوجن سيستمز (Commonwealth Fusion Systems) نهجًا جديدًا يسد هذه الفجوة. فقد ابتكروا أداة ذكاء اصطناعي متطورة تتعلم من النماذج البطيئة والدقيقة للتنبؤ بسرعة عدم الاستقرار بشكل فوري تقريبًا، مع رسم خريطة دقيقة لمكان تحرك البلازما أيضًا.

قام الباحثون بتدريب هذه الأداة الجديدة، التي يسمونها "محول الانتباه الفيزيائي" (Physics Attention Transformer)، على مكتبة ضخمة من البيانات الناتجة عن النماذج البطيئة عالية الدقة. تضمنت هذه المكتبة آلاف السيناريوهات من تجربة "ألكاتور سي-مود" (Alcator C-Mod)، وهي جهاز اندماج حقيقي تم إيقاف تشغيله، بالإضافة إلى آلاف السيناريوهات الاصطناعية المصممة لـ "سبارك" (SPARC)، وهو مفاعل اندماجي مدمج وعالي المجال قيد الإنشاء حاليًا. كان الهدف هو تعليم الذكاء الاصطناعي كيفية النظر إلى حالة البلازما — شكل المجالات المغناطيسية، وموضع البلازما، والتيارات في الملفات المحيطة — والتنبؤ فورًا بشيئين: مدى سرعة نمو عدم الاستقرار، وخريطة تفصيلية لكيفية تغير التيارات الكهربائية داخل البلازما. لا يقوم الذكاء الاصطناعي بمجرد تخمين رقم واحد؛ بل يعيد بناء النمط ثنائي الأبعاد الكامل للاضطراب، مما يسم يسمح للمشغلين ليس فقط بمعرفة أن البلازما تتذبذب، بل ومعرفة كيفية تذبذبها بالضبط.

وعند اختبار الأداة على بيانات لم ترها من قبل، أثبتت الأداة الجديدة دقة ملحوظة. فبالنسبة لتجارب "سي-مود"، تنبأت بسرعة النمو بمتوسط خطأ قدره 5.4 وحدة في الثانية فقط. وبالنسبة لسيناريوهات "سبارك" الاصطناعية الأكثر تحديًا، بلغ الخطأ 12.7 وحدة في الثانية، وهو ما يظل تحسنًا كبيرًا مقارنة بالنماذج المبسطة التي غالبًا ما تخطئ بفارق واسع. والأهم من ذلك، أن الأداة أعادت إنشاء الخرائط المكانية للاضطراب بخطأ قدره حوالي 5 بالمائة فقط. هذا المستوى من التفاصيل حيوي لأن أشكال عدم الاستقرار المختلفة تتطلب استجابات تحكم مختلفة. وقارن الباحثون أداة جديدة ضد طرق تعلم الآلة المتقدمة الأخرى ووجدوا أنها تفوقت عليها، لا سيما في التقاط الهياكل المكانية المعقدة التي تغفل عنها النماذج الأبسط. حققت الأداة هذه السرعة من خلال تعلم ضغط الكمية الهائلة من البيانات التي تصف شكل البلازما في مجموعة أصغر من الميزات الرئيسية، تمامًا كما قد يلخص الإنسان مشهدًا معقدًا من خلال التركيز على العناصر الأكثر أهمية بدلاً من كل تفصيل صغير.

كانت السرعة هي المحرك الأساسي لهذا التطوير، وتظهر النتائج قفزة نوعية هائلة. فبينما تستغرق النماذج التقليدية عالية الدقة حوالي ثلاث دقائق لحساب سيناريو واحد، يمكن لأداة الذكاء الاصطناعي الجديدة إجراء نفس الحساب في حوالي 35 مللي ثانية باستخدام معالج كمبيوتر قياسي. ويمثل هذا تسريعًا يزيد عن 5,000 مرة، مما يقلل وقت الحساب إلى مقياس يتناسب تمامًا مع حلقات اتخاذ القرار السريعة لنظام التحكم في مفاعل اندماجي. وحتى عندما اختبر الباحثون الأداة في الظروف الأكثر تطرفًا المتوقعة في مفاعل "سبارك" — حيث تكون البلازما ممدودة بشكل أنحف والمجالات المغناطيسية أقوى — حافظت الأداة على دقتها. كانت الأداة قادرة على التنبؤ بسلوك هذه الأشكال عالية الأداء بمستوى من الدقة يشير إلى إمكانية استخدامها لمراقبة استقرار المفاعل في الوقت الفعلي، وتنبيه المتحكمين للمشاكل المحتملة قبل أن تصبح حرجة.

ومع ذلك، يلاحظ الباحثون بحذر أن هذه الأداة هي بديل (surrogate)، أو نموذج نائب، للنماذج الفيزيائية المعقدة، وليست بديلاً للقوانين الأساسية للفيزياء. فهي تتعلم من النماذج الموجودة لمحاكاة نتائجها، لذا فإن دقتها مرتبطة بدقة البيانات التي تدربت عليها. كما تسلط الدراسة الضوء على أن الأداة ليست مثالية في كل موقف؛ فهي تعمل بشكل أفضل عندما تكون ظروف البلازما مشابهة لما رأته أثناء التدريب. وعند مواجهة ظروف قصوى تختلف كثيرًا عن بيانات التدريب، مثل بعض الأشكال عالية الأداء في تصميم "سبارك"، تصبح تنبؤات الأداة أقل يقينًا. وللتعامل مع ذلك، بنى الباحثون نظامًا يقيس مدى ثقته في نفسه؛ فإذا اكتشفت الأداة موقفًا مختلفًا جدًا عن تدريبها، يمكنها تصنيف التنبؤ على أنه غير مؤكد، مما يدفع نظام التحكم للاعتماد على الطرق التقليدية الأبطأ أو اتخاذ نهج أكثر تحفظًا فيما يتعلق بالسلامة.

إن تداعيات هذا العمل تمتد إلى ما هو أبعد من مجرد الحسابات الأسرع. فمن خلال توفير رؤية سريعة وتفصيلية لاستقرار البلازما، يمكن للأداة أن تسمح للمفاعلات المستقبلية بالعمل بالقرب من حدود أدائها القصوى دون المخاطرة بحدوث انهيار. ويمكنها أن تعمل كمراقب مستمر، يراقب "الهامش" المتاح للاستقرار ويحذر المشغلين إذا اقتربت البلازما من حافة الخطر. وهذا من شأنه أن يسمح بتشكيل أكثر جرأة للبلازما لتوليد المزيد من الطاقة، مع الحفاظ في الوقت نفسه على هامش الأمان. ويتصور الباحثون مستقبلًا تعمل فيه هذه الأداة جنبًا إلى جنب مع أنظمة التحكم الرئيسية، لتقدم تقييمًا سريعًا للاستقرار يساعد في توجيه شكل البلازमा وموضعها. وبينما تعد الأداة في حد ذاتها خطوة مهمة للأمام، يؤكد الباحثون أنها ستكون جزءًا من بنية سلامة أكبر، تعمل بالتوازي مع أنظمة المراقبة الأخرى لضمان التشغيل الآمن والمستقر لمفاعلات الاندماج.

كما بحثت الدراسة في مدى قدرة الأداة على نقل معرفتها من آلة إلى أخرى. فقد قاموا بتدريب الذكاء الاصطناعي على بيانات من تجربة "سي-مود" واختبروه على سيناريوهات "سبارك" الاصطناعية دون عرض أي بيانات لـ "سبارك" عليه أولاً. وكانت النتائج مختلطة: فبينما استطاعت الأداة تقديم تقديرات تقريبية، كانت الأخطاء أكبر، وكثيرًا ما صنفت ظروف "سبارك" على أنها غير مؤكدة. وهذا يشير إلى أنه بينما يمكن للأداة تعلم المبادئ العامة لسلوك البلازما، فإنها لا تزال بحاجة إلى بيانات محددة من الآلة المستهدفة لتحقيق أعلى مستوى من الدقة. وتشير هذه النتيجة إلى مسار عملي للمضي قدمًا: استخدام الأداة للفحص الأولي والمراقبة، مع الاستمرار في توليد بيانات عالية الدقة لأكثر الظروف حرجًا وتطرفًا. ويخلص الباحثون إلى أن هذا النهج يقدم قدرة جديدة قوية لأبحاث الاندماج، محولًا عملية حسابية كانت تستغرق دقائق في السابق إلى رؤية في الوقت الفعلي يمكن أن تساعد في الحفاظ على وعد طاقة الاندماج حياً.