مواد 'دیوار اول': ایالات متحده با تزریق هوش مصنوعی به بهبود قدرت همجوشی راکتور هسته‌ای چشم دوخته است
با توجه به ظهور انرژی همجوشی به عنوان یکی از گزینه‌های اصلی برای نیاز جهانی به انتقال به منابع سبز برای توان، محققان دانشگاه کشاورزی و مکانیک تگزاس (TAMU) بودجه‌ای دریافت کرده‌اند تا از ابزارهای یادگیری ماشین برای کشف مواد جدید و بهتر برای نیروگاه‌های هسته‌ای همجوشی استفاده کنند.
پژوهشگران TAMU برای این پروژه مبلغ ۲.۳۶ میلیون دلار بودجه از آژانس پروژه‌های تحقیقاتی پیشرفته انرژی وزارت انرژی ایالات متحده (ARPA-E) دریافت کرده‌اند.
هدف ساده است: یافتن مواد جدیدتر و بهتر برای ساخت دیوار اول یک نیروگاه همجوشی هسته‌ای با استفاده از ابزارهای هوش مصنوعی (AI).
تیمی که در TAMU قرار دارد به رهبری دکتر ریموندو آرویاوه و با همکاری دکتر ابراهیم کرمان، دکتر جورج فار، دکتر لین شائو، و دکتر کلون زی و شامل همکارانی مانند دنی پرز از آزمایشگاه ملی لوس آلاموس و تیم گراینینگ از آزمایشگاه ملی اوک ریج (ORNL) است.
یافتن مواد جدید برای دیوار اول نیروگاه‌های هسته‌ای همجوشی
دیوار اول بخشی جدا نشدنی از هر نیروگاه قدرت همجوشی هسته‌ای است. این دیوار درونی‌ترین سطحی است که با پلاسما مواجه می‌شود در حالی که انرژی در یک راکتور تولید می‌شود.
بنابراین، توانایی ساخت دیوارهای داخلی بهتر می‌تواند عملکرد راکتورها را افزایش دهد و همچنین طول عمر کلی آن را تحت تأثیر قرار دهد. این همچنین یک مانع عمده در تجاری‌سازی قدرت همجوشی است. استفاده از ماده بهینه برای دیوار اول راه زیادی در ممکن ساختن انرژی تجاری همجوشی خواهد داشت.
استحکام و طول عمر دیوار اول کلید عمر خدمت نیروگاه است، و به کاهش هزینه‌های عملیاتی کمک می‌کند.
بر اساس بیانیه مطبوعاتی، محققان اعلام کرده‌اند که آن‌ها با استفاده از تسهیلات سنتز، تابش و آزمایش، به همراه شبیه‌سازی‌های کامپیوتری پیشرفته که توسط یادگیری ماشین تقویت شده است، یک کمپین کشف مواد با تأثیر بالا را انجام می‌دهند.
استفاده از هوش مصنوعی به تیم امکان می‌دهد تا روزانه صدها ماده را با استفاده از شبیه‌سازی غربال کنند، در حالی که تأسیسات آزمایشی مواد امیدوارکننده‌ترین را سنتز و آزمایش خواهند کرد.
Birdshot AI و برنامه CHADWICK
تیم همچنین از Birdshot AI دانشگاه TAMU برای شناسایی سریع و ساخت مواد دیوار اول بهینه، قوی‌تر و دوام‌دارتر استفاده می‌کند.
“یافتن بهترین مواد برای این کاربردهای تحولی شبیه به یافتن سوزن در یک کپه یونجه چند بعدی است، تنها به مراتب سخت‌تر. یافتن ماده مناسب در کمترین تعداد آزمایش به روش‌هایی فراتر از روش‌های فعلی نیاز دارد. Birdshot ابزاری مخصوص این کار است،” گفت آرویاوه، استاد برجسته خانواده Segers در دانشکده علوم و مهندسی مواد.
بیانیه TAMU همچنین اشاره می‌کند که این پروژه یکی از چند پروژه جاری است که توسط برنامه ایجاد دیوار اول قدرت همجوشی سخت و دوام‌دار با استفاده از دانش متمرکز (CHADWICK) مدیریت می‌شود.
برنامه CHADWICK هدف دارد تا یک کلاس از مواد دیوار اول را کشف یا توسعه دهد که عملکرد طراحی شده را در طول عمر یک نیروگاه همجوشی حفظ کند.
“برنامه CHADWICK ARPA-E بر موفقیت کار اخیر ما در برنامه ARPA-E GAMOW بنا خواهد کرد، که ما را یک گام به واقعیت نزدیکتر به انرژی همجوشی تجاری می‌کند. در برنامه GAMOW، نشان دادیم که امکان ایجاد ساختارهای درجه‌بندی شده تابعی وجود دارد، که با تنگستن برای سطح مواجه با پلاسما شروع می‌شود و به فولادهای فریتی-مارتنزیتی برای اجزای سازه‌ای راکتورهای همجوشی گذار می‌کند،” گفت دپارتمان رئیس واحد علوم و مهندسی مواد دکتر ابراهیم کرمان.
