موارد مهم
- محققان از هوش مصنوعی برای پیشبرد تحقیقات همجوشی استفاده می کنند.
- یک شرکت از هوش مصنوعی Google برای کنترل آزمایشات همجوشی خود استفاده می کند.
- هوش مصنوعی همچنین به پیشرفت‌های پزشکی، از جمله تشخیص سرطان کمک می‌کند.
کارشناسان می گویندانرژی همجوشی عملی ممکن است به لطف پیشرفت های هوش مصنوعی (AI) به واقعیت نزدیک تر شود.
یک شرکت آمریکایی ادعا می کند که با استفاده از یادگیری ماشینی مسیر رسیدن به انرژی همجوشی را سرعت می بخشد. TAE Technologies وظایف محاسباتی را که زمانی ماه ها طول می کشید تا چند ساعت با استفاده از هوش مصنوعی کاهش داده است. این یکی از شرکت‌هایی است که از هوش مصنوعی برای کمک به تحقیقات استفاده می‌کند.
دیوگو فریرا، استاد سیستم های اطلاعاتی در دانشگاه لیسبون در پرتغال، "آنچه هنوز در مورد همجوشی نمی دانیم - به عنوان مثال، چگونگی دستیابی و حفظ شرایط همجوشی پایدار - در داده ها پنهان است." کسی که کاربرد هوش مصنوعی را در تحقیقات همجوشی مطالعه می کند در مصاحبه ای ایمیلی به Lifewire گفت.
"به یاد داشته باشید که یک ماشین همجوشی یک آزمایش علمی پیچیده است، اما یک چیز مطمئن است - همه این ماشین ها ده ها، اگر نه صدها سیستم تشخیصی به آن متصل هستند." "این بدان معناست که یک آزمایش منفرد، که فقط چند ثانیه طول می‌کشد، می‌تواند مقدار داده‌ای در حدود 10 تا 100 گیگابایت تولید کند."
Star Power
همجوشی عملی شکلی از تولید برق است که با استفاده از گرما از واکنش های همجوشی هسته ای الکتریسیته تولید می کند. این همان نوع واکنشی است که به ستاره ها نیرو می دهد.
پس از چندین دهه پیشرفت آهسته، تحقیقات همجوشی در حال داغ شدن است. دانشمندان اخیراً اعلام کردند که بالاترین پالس انرژی پایداری را که تا به حال با همجوشی اتم‌ها ایجاد شده است، تولید کرده‌اند، که رکورد خود را از آزمایش‌های انجام‌شده در سال 1997 بیش از دو برابر کرده است.
TAE Systems امیدوار است که هوش مصنوعی بتواند به شکستن موانع فنی کمک کند. این شرکت از یک سیلندر همجوشی 100 فوتی به نام نورمن برای آزمایشات استفاده می کند. هوش مصنوعی گوگل برای غربال کردن حجم عظیمی از داده های تولید شده در طول تحقیق استفاده می شود.
"تد بالتز، مهندس نرم افزار ارشد کارکنان، گوگل ریسرچ، نوشت: "TAE با کمک ما با استفاده از بهینه سازی ماشین و علم داده، به اهداف اصلی خود برای نورمن دست یافت، که ما را یک گام به هدف همجوشی سرسخت نزدیکتر می کند." در وب سایت شرکت این دستگاه پلاسمای پایداری را در 30 میلیون کلوین به مدت 30 میلی‌ثانیه حفظ می‌کند، که میزان توان موجود برای سیستم‌های آن است. آنها طراحی یک ماشین حتی قدرتمندتر را تکمیل کرده‌اند، که امیدوارند شرایط لازم برای همجوشی سربه‌سر را قبل از آن نشان دهد. پایان دهه."
فریرا گفت:یادگیری ماشینی برای تجزیه و تحلیل آزمایش ها برای کشف روندهای حاکم بر رفتار پلاسماهای همجوشی ضروری است. و، محققان به روش‌های پیچیده‌ای برای کنترل آزمایش فراتر از آلارم‌ها و محرک‌های رمزگذاری‌شده که در حال حاضر استفاده می‌کنند، نیاز دارند.
«در حال حاضر، ما از سیستم‌های کنترل اولیه استفاده می‌کنیم که در اولین نشانه‌های مشکل به ترمز برخورد می‌کنند. ما به تکنیک‌های هوش مصنوعی نیاز داریم تا ما را به طور ایمن از پیچیدگی‌های کارکرد یک ماشین همجوشی به‌طور قابل‌اعتماد به منظور تولید خروجی انرژی خالص هدایت کند.»
هوش مصنوعی برای نجات
تحقیقات پزشکی حوزه دیگری است که هوش مصنوعی در آن مورد استفاده قرار می گیرد. Sungwon Lim، مدیر عامل Imprimed Inc.، یک ابزار تشخیص سرطان پیش‌بینی‌کننده مبتنی بر هوش مصنوعی، از طریق ایمیل به Lifewire گفت: هوش مصنوعی مکمل کار دانشمندان انسانی است زیرا ماشین‌ها و انسان‌ها در کارهای مختلف لازم در تحقیقات مهارت دارند.
"در جایی که انسان ها قادر به ارائه راه حل ها و نوآوری های خلاقانه هستند، ماشین ها می توانند حجم عظیمی از داده ها را به سرعت و با دقت تجزیه و تحلیل کنند." "هوش مصنوعی همچنین می تواند انواع کارهای خسته کننده و تکراری را انجام دهد که می تواند محققان انسانی را خسته و اشتباه کند.این امر هوش مصنوعی را به ابزاری ایده‌آل برای تحقیق تبدیل می‌کند که در آن الگوها باید به سرعت در مجموعه داده‌های بسیار بزرگ یافت شوند."
مطالعه اخیر محققان دانشگاه ایلینویز که در مجله Critical Reviews in Oncology منتشر شده است، نشان داد که یادگیری ماشینی در حال حاضر رقیب پزشکان آموزش دیده در تشخیص و پیش بینی نتیجه سرطان مثانه است و در برخی موارد از آنها پیشی می گیرد.
سهیلا برهانی. نویسنده مقاله در ایمیلی به Lifewire گفته است.
