MGKDB: An IMAS-aligned multicode gyrokinetic simulation database for reproducible fusion turbulence modeling and data-driven analysis

في قلب مفاعل اندماجي، تدور غازات شديدة السخونة تسمى "البلازما" داخل قفص مغناطيسي، حاملةً في طياتها وعداً بطاقة نظيفة غير محدودة. ولجعل هذا الوعد حقيقة، يجب على العلماء فهم كيفية قيام دوامات صغيرة وفوضوية داخل تلك البلازما بسرقة الحرارة من المركز، مما يؤدي إلى تبريد التفاعل قبل أن يتمكن من الاستمرار ذاتياً. وللتنبؤ بهذه التحركات المضطربة، يقوم الباحثون بتشغيل عمليات محاكاة حاسوبية معقدة للغاية؛ إذ تعمل هذه البرامج كمختبرات افتراضية، تقوم بحل المعادلات التي تصف كيفية تحرك الجسيمات وتفاعلها تحت ظروف قصوى. ومع ذلك، فإن هذه المحاكاة مكلفة وتستغرق وقتاً طويلاً، حيث غالباً ما تستغرق أياماً أو أسابيع من وقت الحواسيب الفائقة لإكمال عملية تشغيل واحدة. ولعقود من الزمن، كانت نتائج هذه الحسابات الضخمة تُخزن في مجلدات معزولة، مرتبطة بالبرمجيات المحددة التي أنشأتها. فإذا أراد عالم ما مقارنة نتيجة من برنامج ما ببرنامج آخر، أو إعادة استخدام حساب قديم لدراسة جديدة، فغالباً ما كان يواجه جداراً من تنسيقات الملفات غير المتوافقة والتفاصيل المفقودة، مما يضطره للبدء من الصفر.

إن نظاماً جديداً يسمى MGKDB يغير طريقة التعامل مع هذه البيانات، محولاً مجموعة مبعثرة من الملفات المعزولة إلى مكتبة موحدة وقابلة للبحث من السجلات العلمية. لقد بنى الباحثون وراء هذا المشروع إطار عمل يأخذ المخرات الخام والمعقدة من برامج محاكاة مختلفة ويترجمها إلى لغة مشتركة دون التخلص من التفاصيل الأصلية. تخيل أرشيفاً ضخماً حيث يحتفظ كل مدخل بمخططه الأصلي المفصل، بينما يمتلك أيضاً بطاقة ملخص معيارية يمكن لأي شخص قراءتها. يتيح ذلك للعلماء طرح أسئلة واسعة النطاق عبر آلاف عمليات المحاكاة في وقت واحد، مثل البحث عن جميع الحالات التي حدث فيها نوع معين من الاضطراب، أو التحقق من مدى توافق النماذج الحاسوبية المختلفة مع بعضها البعض. يحافظ النظام على التاريخ الكامل لكيفية إجراء كل عملية حسابية، مما يضمن أن تظل البيانات موثوقة وقابلة للتكرار للعمل المستقبلي.

يكمن جوهر هذا الإنجاز في القدرة على ربط ثلاثة أنواع متميزة من المعلومات لكل عملية تشغيل محاكاة واحدة. أولاً، يحتفظ النظام بالملفات الأصلية الخاصة بالبرمجيات والتي تحتوي على التعليمات الدقيقة والأرقام الخام التي أنتجها البرنامج؛ وهي السجلات المرجعية اللازمة لتكرار الحساب بدقة كما تم إجراؤه. ثانياً، يرفق بها بيانات وصفية (Metadata) تفصيلية تتبع من قام بتشغيل المحاكاة، ومتى، ومع أي إعدادات محددة، مما يخلق تسلسلاً واضحاً للملكية والمسؤولية. ثالثاً، وهو الأهم، يقوم النظام بتحويل النتائج إلى تنسيق معياري يعتمد على إطار عمل دولي مشترك يُعرف باسم IMAS. تتيح طبقة الترجمة هذه للعلماء البحث عن الكميات الفيزيائية، مثل معدل فقدان الحرارة أو قوة المجالات المغناطيسية، باستخدام نفس المصطلحات بغض النظر عن البرنامج الحاسوبي الذي أنتج البيانات. ومن خلال الاحتفاظ بالملفات الأصلية جنباً إلى جنب مع هذا الترجمة المشتركة، يضمن النظام للعلماء القدرة على اكتشاف الأنماط عبر النماذج المختلفة دون فقدان السياق المحدد اللازم لتفسيرها بشكل صحيح.

اختبر الباحثون هذه البنية التحتية الجديدة من خلال النظر في أكثر من مليون سجل محاكاة تم جمعها من ثلاثة أنواع مختلفة من أدوات نمذجة الاندماج. ووجدوا أن كل سجل تقريباً يتضمن نسخة كاملة ومعيارية من البيانات الفيزيائية، مما يثبت أن النظام قادر على التعامل مع حجم هائل من المدخلات المتنوعة. ولإظهار ما يمكن لهذه المكتبة أن تفعله حقاً، أجروا ثلاث تجارب توضيحية محددة. في التجربة الأولى، حللوا آلاف عمليات المحاكاة الخطية لرسم خرائط لأنواع مختلفة من الموجات غير المستقرة التي يمكن أن تتشكل في البلازما. ومن خلال النظر في البيانات المعيارية، تمكنوا من تجميع هذه الموجات في عائلات متميزة بناءً على سلوكها الفيزيائي، مما كشف أن بعض أنواع الاضطراب متشابهة جداً مع بعضها البعض بينما البعض الآخر مختلف تماماً. إن هذا النوع من التعرف على الأنماط واسع النطاق كان سيكون مستحيلاً تقريباً لو بقيت البيانات محبوسة في تنسيقات منفصلة وغير متوافقة.

في تجربة توضيحية ثانية، فحص الفريق "جغرافيا" البيانات لمعرفة أين تركزت عمليات المحاكاة وأين توجد الفجوات. لقد رسموا خرائط للظروف التي أُجريت فيها عمليات المحاكاة، مثل درجة حرارة وكثافة البلازما، لمعرفة مدى تغطية الأرشيف لنطاق كامل من السيناريوهات الممكنة. واكتشفوا أن البيانات الموجودة كانت متكتلة بكثافة حول ظروف معينة، مما يعكس الأهداف المحددة لحملات البحث الماضية، بينما ظلت مناطق أخرى غير مستكشفة إلى حد كبير. هذه الرؤية أمر بالغ الأهمية لتخطيط التجارب المستقبلية، حيث تساعد العلماء على تحديد عمليات المحاكاة الجديدة التي ستوفر معلومات جديدة قيمة بدلاً من مجرد تكرار ما هو معروف بالفعل. كما كشف النظام أن العديد من عمليات المحاكاة تشترك في ظروف بدء متطابقة، وهو تفصيل حيوي لضمان عدم احتساب التحليلات الإحصائية لنفس نقطة البيانات بالخطأ عدة مرات.

أظهر الاختبار النهائي كيف يمكن للأرشيف سد الفجوة بين عمليات المحاكاة عالية الدقة والمكلفة وبين النماذج الأسرع والمبسطة. أخذ الباحثون إعدادات المدخلات من خمسين عملية محاكاة معقدة مؤرشفة واستخدموها لتشغيل عملية حسابية أسرع ونموذج مخفض. ولأن النظام حافظ على الرابط الدقيق بين التشغيل المعقد الأصلي والتشغيل المبسط الجديد، فقد تمكنوا على الفور من مقارنة النتائج. خلقت هذه العملية مجموعة بيانات نظيفة وجاهزة للاستخدام يمكن استخدامها لتدريب نماذج الذكاء الاصطناعي للتنبؤ بسلوك البلازما. لم يكن الاكتشاف الرئيسي هنا هو مجرد إمكانية مقارنة النماذج، بل أن سير العمل بأكمله — من استرداد البيانات القديمة إلى توليد نتائج جديدة — يمكن أتمتته وتتبعه وصولاً إلى مصدره. وهذا يعني أن علماء المستقبل يمكنهم البناء على هذه الروابط دون الحاجة إلى إعادة بناء الخطوات التي اتخذها الباحثون السابقون يدوياً.

إن نجاح MGKDB يكمن في رفضه الاختيار بين الحفاظ على الماضي وتمكين المستقبل. فمن خلال الاحتفاظ بالملفات الأصلية المفصلة سليمة مع إنشاء طبقة معيارية قابلة للبحث فوقها في آن واحد، يحترم النظام تعقيد العلم مع جعله متاحاً. إنه يدرك أن النماذج الحاسوبية المختلفة تضع افتراضات مختلفة، وأن مجرد وجود تطابق في حقل قاعدة البيانات لا يضمن أن نتيجتين متطابقتان فيزيائياً. بدلاً من ذلك، يوفر النظام الأدوات لجعل تلك الفوارق واضحة وقابلة للتدقيق. ومع استمرار نمو الأرشيف، وإضافة أنواع جديدة من عمليات المحاكاة والمزيد من البيانات، تضمن هذه البنية التحتية أن يظل الاستثمار الحسابي اليوم مورداً قابلاً للاستخدام لاكتشافات الغد. يثبت المشروع أنه مع التنظيم الصحيح، يمكن للمعرفة المتراكمة لأبحاث الاندماج أن تصبح أساساً تراكمياً حياً بدلاً من كونها مجرد مجموعة من الملفات المنسية.