Atomları parçalayarak enerji elde edebiliyor. Peki ama neden yıldızlar gibi temiz, yenilenebilir ve radyoaktif atıklardan arınmış bir enerji kaynağı bulamıyoruz? Oysa tek yapmamız gereken atomları parçalamak yerine birleştirmek. Elbette bu hiç de kolay değil. Ancak, fisyon yerine füzyona ulaşabilmemiz için artık işimizi kolaylaştıracak bir şeye sahip olabiliriz: Yapay zeka. İnsanlığın temiz ve sürdürülebilir enerji kaynakları arayışı, araştırmacıların nükleer füzyonu keşfetmesiyle çok önemli bir dönüm noktasına ulaştı. Radyoaktif atıklar pahasına enerji üreten mevcut nükleer fisyon santrallerinin aksine, nükleer füzyon neredeyse sınırsız ve çevre dostu enerji üretimi vadediyor.
Güneş’e ve diğer yıldızlara güç veren nükleer füzyon olgusu, hidrojen izotoplarının aşırı koşullar altında kaynaşmasını, birleşmesini içeriyor. Bunun sonucunda helyum ortaya çıkarken, başlangıçtaki elementler ile yeni oluşan helyum arasındaki kütle farkından dolayı büyük bir enerji açığa çıkıyor.
Ancak, Dünya’da füzyon enerjisinden yararlanma hayalini gerçekleştirmek, süreçte kullanılan hidrojen izotoplarının seçimi üzerinde hassas bir kontrol gerektiriyor.
Denkleme makine öğrenimini eklemek
Yakın zamanda yapılan bir basın açıklaması, araştırmacıların nükleer füzyon ve bunun temiz enerji kaynağı olarak potansiyeline ışık tutabilmemiz için artık yapay zekâ alanına yöneldiğini ortaya koyuyor. Nükleer füzyon için olmazsa olmaz koşullardan biri, hangi hidrojen izotopu karışımının kullanılacağını bilmektir ki bu da şu anda spektroskopi ile yapılan zaman alıcı bir analiz gerektiriyor. Bu arada Spektroskopi, ışığın madde ile etkileşimini inceleyen bir tekniktir. Bu teknik, maddeyi anlamamıza ve özelliklerini belirlememize yardımcı olmakta.
Aix-Marseille Üniversitesi‘nde Doçent olan Mohammed Koubiti, The European Physical Journal D’de yayınlanan bir makalesinde, nükleer füzyon plazma performansı için en uygun hidrojen izotop oranlarını belirlemek üzere makine öğrenimini plazma spektroskopisi ile birleştiren yeni bir yaklaşım sundu. Koubiti, füzyon enerji santrallerinde hidrojen izotoplarının, özellikle de döteryum ve trityumun karışımındaki zorluklara odaklanıyor.
Döteryum ve trityum, verimlilikleri nedeniyle füzyon için tercih edilen izotoplardır, fakat güvenlik kaygıları nedeniyle kullanılabilecek trityum miktarını katı düzenleyici sınırlar belirliyor. Makine öğreniminin denkleme dahil edilmesiyle bu zorluğun üstesinden gelmek amaçlanıyor. Koubiti’nin açıklamasına göre, “Nihai amaç, analizi zaman alan spektroskopiyi kullanmaktan kaçınmak ve füzyon plazmalarındaki trityum içeriğini tahmin etmek için onu değiştirmek veya en azından derin öğrenme ile birleştirebilmek”
Bu çalışma bu hedefe yönelik sadece ilk adımı temsil etse de Koubiti, füzyon plazmalarında zamanın bir fonksiyonu olarak trityum içeriğini öngörmede derin öğrenme algoritmaları tarafından kullanılabilecek özellikleri belirlemek için spektroskopiyi kullanmaya devam ettiklerini söylüyor.
Bu sadece başlangıç
Makine öğreniminin nükleer füzyon araştırmalarına entegrasyonu heyecan verici olasılıkların önünü açıyor. Koubiti, trityum içeriğini tahmin etmedeki acil uygulamanın ötesinde, derin öğrenme tekniklerini JET, ASDEX-Upgrade, WEST, DIII-D ve hatta stellaratörler gibi tokamaklar da dahil olmak üzere çeşitli manyetik füzyon cihazlarına genişletmeyi öngörüyor. Dünya, karbon emisyonlarını azaltma ve iklim değişikliğiyle mücadele etme konusunda acil bir ihtiyaçla boğuşuyor ve bu durum nükleer bilimin bir umut ışığı olduğunu gösteriyor. Zorluklar devam etse de Koubiti’nin öncü çalışmaları, inovasyon ve teknolojinin daha temiz ve daha sürdürülebilir bir geleceğin şekillendirilmesinde önemli bir rol oynayabileceğini gösteriyor.
Bir yanıt bırakın