ایجاد روش جدید توسط آزمایشگاه اوک ریج آمریکا برای شناسایی آلیاژهای جدید برای راکتورهای هسته‌ای
دانشمندان در آزمایشگاه ملی اوک ریج وزارت انرژی آمریکا (ORNL) یک روش جدیدی را توسعه داده‌اند که هدف آن تقویت تلاش‌های همجوشی هسته‌ای است. تحقیقات آن‌ها بر روی ایجاد آلیاژهایی تمرکز دارد که بتوانند شرایط سخت درون راکتور همجوشی را تحمل کنند.
بخصوص، توسعه آلیاژهایی که قادر به تحمل محیط سخت درون یک راکتور همجوشی هستند، یکی از موانع حیاتی در تبدیل همجوشی هسته‌ای به یک منبع انرژی قابل اعتماد و پایدار بوده است.
این آلیاژها باید در دماهای بسیار بالا عملکرد استثنایی داشته باشند، از نظر مقاومت در برابر دما و خواص مکانیکی ساختاری که برای استفاده در نیروگاه‌های هسته‌ای پیچیده لازم است، گفت ماسیمیلیانو لوپو پازین، دانشمند ORNL.
راه‌حل مبتنی بر هوش مصنوعی
آلیاژهای سنتی، که اغلب به تنگستن به عنوان جز اصلی تکیه دارند، در ارائه پوشش مورد نیاز به طوری پایدار دچار مشکل بوده‌اند.
“اخیراً، جامعه علوم مواد فرصت جایگزینی این مواد فناوری استاندارد با چیزی کاملاً جدید و خلاقانه را بررسی کرده است,” افزود لوپو پازین.
اما تعداد زیادی از ترکیب‌های فلزی ممکن به نظر می‌رسیدند مانعی غیرقابل عبور در شناسایی نامزدهای آلیاژی مناسب باشند. اینجاست که روش جدید، با کمک هوش مصنوعی (AI)، وارد می‌شود.
“راهنمایی شده توسط AI، محققان می‌توانند دوره‌های آزمایش و خطای به‌ظاهر پایان‌ناپذیر را نادیده بگیرند تا نامزدهای آلیاژ مناسبی را بازده‌تر پیدا کنند,” دانشمندان در یک بیانیه مطبوعاتی ذکر کردند.
توسعه مدل و چالش‌ها
لوپو پازینی و تیم او مقدار زیادی داده جمع‌آوری کردند تا مدلی مبتنی بر هوش مصنوعی ایجاد کنند که به طرز موفقت‌آمیزی سه عنصر برای آزمایش بیشتر به عنوان مواد جدید آلیاژی شناسایی کرد. این پایگاه داده تولید شده توسط AI، که خود یک دستاورد مهم است، مرحله اول پروژه را نشان می‌دهد.
“داده‌های تولید شده توسط نویسندگان برای تحقیقات بیشتر جهت توسعه، آموزش و استقرار مدل‌های یادگیری ماشین برای کشف و طراحی مواد استفاده خواهد شد,” بیانیه مطبوعاتی توضیح داد.
اما ایجاد این مدل هوش مصنوعی نیازمند غلبه بر چالش‌های قابل توجهی مانند تولید مجموعه داده عظیم بود که نیازمند منابع محاسباتی فشرده از ابررایانه پرلموتر در آزمایشگاه ملی لارنس برکلی و ابررایانه سامیت در ORNL بود.
لوپو پازینی توضیح داد که فرایند جمع‌آوری داده به دلیل مقیاس و پیچیدگی آن بیش از یک سال طول کشید.
گام‌های بعدی و تأثیر بالقوه
در مرحله بعدی، مدل هوش مصنوعی با استفاده از داده‌های تولید شده آموزش خواهد دید، هدف آن این است که به دانشمندان امکان کاوش در طیف وسیعی از ترکیبات ناشی از شش عنصر مختلف در غلظت‌های مختلف را بدهد.
“به منظور حمایت از طراحی آلیاژهای جدید پرچگالی با دمای بالا، باید شش عنصر را پوشش دهیم,” لوپو پازینی تأکید کرد.
این تحقیقات نوآورانه می‌تواند توسعه همجوشی هسته‌ای را تسریع کرده و کمک کند تا زودتر به آینده‌ای با انرژی پاک و پایدار برسیم.
“ما سعی داریم به دانشمندان مواد کمک کنیم تا با روش‌های آزمایش و خطای خود، درصد نسبی عناصر مختلفی را که باید ترکیب شوند، شناسایی کنند تا به آلیاژهایی برسیم که می‌توانند به دستاوردهای فناوری خلاقانه در همجوشی منتهی شوند,” او نتیجه‌گیری کرد.
