Η διαδικασία που τροφοδοτεί τα αστέρια -η πυρηνική σύντηξη- προτείνεται ως η μελλοντική πηγή ενέργειας για την ανθρωπότητα, και θα μπορούσε να παρέχει καθαρή και ανανεώσιμη ενέργεια απαλλαγμένη από τα ραδιενεργά απόβλητα που σχετίζονται με τις τρέχουσες εγκαταστάσεις πυρηνικής σχάσης.
Όπως οι αντιδράσεις σύντηξης που παράγουν την ενέργεια που μας στέλνει ο Ήλιος, οι μελλοντικές εγκαταστάσεις πυρηνικής σύντηξης θα ενώνουν μεταξύ τους ισότοπα του ελαφρύτερου στοιχείου του σύμπαντος -του υδρογόνου- μέσα σε ένα εξαιρετικά καυτό αέριο ή “πλάσμα” το οποίο περιορίζεται από ένα ισχυρό μαγνητικό πεδίο, για να δημιουργούν ήλιο – παίρνοντας ως ενέργεια την διαφορά στη μάζα που προκύπτει.
Ένα πράγμα που πρέπει να γνωρίζουν οι επιστήμονες πριν από την επίτευξη της σύντηξης εδώ στη Γη, είναι ποιο μείγμα ισοτόπων υδρογόνου να χρησιμοποιήσουν: πρωτίστως “τυπικό” υδρογόνο, με ένα πρωτόνιο στον ατομικό του πυρήνα, δευτέριο με ένα πρωτόνιο και ένα νετρόνιο στον πυρήνα του, και τρίτιο με πυρήνα ενός πρωτονίου και δύο νετρονίων. Για τις πρωτότυπες συσκευές σύντηξης που ονομάζονται tokamaks, αυτό προς το παρόν γίνεται με φασματοσκοπία· η ανάλυση αυτή, όμως, μπορεί να είναι χρονοβόρα.
Σε μια νέα εργασία που δημοσιεύτηκε στο επιστημονικό περιοδικό “The European Physical Journal D”, ο Mohammed Koubiti, αναπληρωτής καθηγητής στο Πανεπιστήμιο “Aix-Marseille Universite” της Γαλλίας, αξιολογεί τη χρήση της Μηχανικής Μάθησης σε σχέση με τη φασματοσκοπία πλάσματος για τον προσδιορισμό των αναλογιών των ισοτόπων του υδρογόνου σχετικά με την απόδοση του πλάσματος πυρηνικής σύντηξης .
«Όσον αφορά τις επιδόσεις, οι σταθμοί ηλεκτροπαραγωγής σύντηξης θα λειτουργούν με ένα μείγμα δευτερίου και τριτίου, καθώς η πυρηνική τους σύντηξη είναι η βέλτιστη, όμως η περιεκτικότητα σε τρίτιο πρέπει να ελέγχεται και να διαχειρίζεται αυστηρά, βάσει των ορίων που επιβάλλονται από τις ρυθμιστικές αρχές», λέει ο Koubiti. «Επίσης, ίσως να είναι απαραίτητο να γνωρίζουμε σε πραγματικό χρόνο την περιεκτικότητα σε τρίτιο, ώστε να βελτιστοποιήσουμε τις επιδόσεις του πυρηνικού σταθμού.»
Ο ίδιος εξηγεί ότι για να αναπτύξει έναν τρόπο να το κάνει αυτό, στράφηκε σε έναν συνδυασμό Μηχανικής Μάθησης και φασματοσκοπίας.
«Ο απώτερος στόχος είναι να αποφευχθεί η χρήση φασματοσκοπίας, της οποίας η ανάλυση είναι χρονοβόρα, και να αντικατασταθεί -ή τουλάχιστον να συνδυαστεί- με Βαθιά Μάθηση, για την πρόβλεψη της περιεκτικότητας του τριτίου σε πλάσματα σύντηξης», εξηγεί ο Koubiti. «Η συγκεκριμένη μελέτη αποτελεί μόνο ένα βήμα προς αυτό. «Εξακολουθώ να χρησιμοποιώ τη φασματοσκοπία ως μέσο που μου επιτρέπει να βρω και άλλα χαρακτηριστικά που να μπορούν να χρησιμοποιηθούν από αλγόριθμους Βαθιάς Μάθησης ώστε να προβλέπουν την περιεκτικότητα του τριτίου συναρτήσει του χρόνου, σε πλάσματα σύντηξης.»
Ο ίδιος προσθέτει ότι το επόμενο, τελικό βήμα, αυτού του πρότζεκτ είναι να προσδιοριστούν τα μη φασματοσκοπικά χαρακτηριστικά που πρέπει να παρέχονται σε οποιονδήποτε αλγόριθμο Βαθιάς Μάθησης. Τα ευρήματα της μελέτης πρόκειται να δοκιμαστούν σε διάφορες συσκευές μαγνητικής σύντηξης “tokamaks”, όπως τα JET, ASDEX-Upgrade, WEST και DIII-D, αλλά και σε stellarators· συσκευές πλάσματος που στηρίζονται σε εξωτερικούς μαγνήτες για τον περιορισμό του πλάσματος.
Παραπομπές: M. Koubiti, Application of machine learning to spectroscopic line emission by hydrogen isotopes in fusion devices for isotopic ratio determination and prediction, The European Physical Journal D (2023). DOI: 10.1140/epjd/s10053-023-00719-0
Πηγή: https://phys.org/
