استخدم طالب في المرحلة الثانوية يبلغ من العمر 17 عامًا من مونتفال، نيوجيرسي، الذكاء الاصطناعي لتقليص هامش الخطأ في تنبؤات التدفق الحراري الحرج للمفاعلات النووية من 63% إلى 5.5%. وقد منحه هذا الإنجاز جائزة قدرها 50,000 دولار، وقد يساهم في تعزيز هوامش السلامة في الجيل القادم من المحطات النووية.
لماذا يمثل التدفق الحراري الحرج أهمية كبرى
يمثل التدفق الحراري الحرج (CHF) النقطة التي يصبح عندها الغليان على قضبان وقود المفاعل غير مستقر، مما يهدد بارتفاع سريع في درجة الحرارة يمكن أن يؤدي إلى تلف اللب. يجب على المهندسين التنبؤ بالتدفق الحراري الحرج بدقة للحفاظ على تشغيل المفاعلات بأمان مع استخراج أكبر قدر ممكن من الطاقة. تعتمد الطرق التقليدية على ارتباطات تجريبية غالبًا ما تنطوي على شكوك كبيرة؛ حيث يجبر هامش الخطأ البالغ 63% المشغلين على العمل بحذر شديد — مما يهدر الطاقة المحتملة — أو الاقتراب أكثر من اللازم من الحدود غير الآمنة.
شبكة عصبية موجهة بالفيزياء
بدلاً من تغذية نموذج ذكاء اصطناعي عام ببيانات خام، قام المراهق ببناء نظام تعلم آلي مستند إلى الفيزياء. تتعلم الشبكة من القياسات التجريبية ولكن يتم تقييدها في كل خطوة بالمعادلات الحاكمة للديناميكا الحرارية وديناميكا السوائل. ومن خلال إجبار النموذج على الامتثال لتلك القوانين، فإنه يتجنب عيوب "الصندوق الأسود" التي تجعل العديد من أدوات الذكاء الاصطناعي غير مناسبة للهندسة عالية المخاطر. والنتيجة: ينخفض خطأ التنبؤ إلى 5.5%، وهي دقة قد تسمح للمفاعلات بالعمل بالقرب من الأداء الأمثل دون المساس بالسلامة.
التداعيات على الصناعة النووية
- تشغيل أكثر أمانًا – تؤدي توقعات التدفق الحراري الحرج الأكثر دقة إلى تقليل مخاطر ارتفاع درجة الحرارة الناجم عن الغليان، وهو مقدمة رئيسية للحوادث الخطيرة.
- كفاءة أعلى – يمكن للمشغلين استخراج المزيد من الحرارة قبل الوصول إلى حدود السلامة، مما يعزز معامل القدرة للمحطة.
- تسريع نشر المفاعلات النمطية الصغيرة (SMRs) – تعتمد المفاعلات النمطية الصغيرة، المشهود لها بالمرونة والتكلفة الأولية المنخفضة، على الإدارة الحرارية المتقدمة. ويمكن لنموذج ذكاء اصطناعي موثوق أن يزيل أحد العقبات التنظيمية الرئيسية.
تتماشى هذه الفوائد مع التوجه العالمي لتوسيع مصادر الطاقة منخفضة الكربون. ومع تخصيص الحكومات مليارات الدولارات لبناء مفاعلات نووية جديدة، فمن المرجح أن تجذب الأداة التي تعد بالأمان والكفاءة معًا اهتمام الصناعة.
الشكوك والعقبات العملية
حتى مع هذا الانخفاض الكبير في الخطأ، لا يزال يتعين على النموذج اجتياز عملية تحقق صارمة قبل أن تتمكن المفاعلات التجارية من الوثوق به. عادة ما تطلب الهيئات التنظيمية النووية عقودًا من الأداء المثبت لأي برمجيات بالغة الأهمية للسلامة، ولا يزال الذكاء الاصطناعي المدرك للفيزياء يعتمد على جودة بيانات التدريب الخاصة به. ويحذر النقاد من أن الاعتماد المفرط على نموذج ما، مهما كان دقيقًا في الاختبارات، قد يخفي أنماط فشل غير متوقعة إذا تغيرت الفيزياء الأساسية تحت الظروف القاسية.
ماذا يعني هذا للهند
يتوسع البرنامج النووي في الهند بموجب استراتيجية متعددة المراحل تشمل المفاعلات النمطية الصغيرة (SMRs). ويمكن لدمج أداة ذكاء اصطناعي مدركة للفيزياء أن يساعد وزارة الطاقة الذرية في تشديد تحليلات السلامة وتحسين اقتصاديات المحطات. كما يؤكد هذا النجاح على التوجه الأوسع نحو "الذكاء الاصطناعي من أجل الخير"، مما يشجع المؤسسات البحثية الهندية على المزج بين الهندسة التقنية العميقة والتعلم الآلي المتقدم. وأخيرًا، يسلط هذا الإنجاز الضوء على إمكانات مواهب المغتربين والحاجة إلى مناهج دراسية تجسر الفجوة بين الهندسة التقليدية وعلوم البيانات.
ما يجب مراقبته لاحقًا
- الدراسات التجريبية – قد يقوم المتبنون الأوائل بتشغيل النموذج جنبًا إلى جنب مع أكواد السلامة الحالية في مفاعلات الاختبار لجمع بيانات الأداء في العالم الحقيقي.
- الاستجابة التنظيمية – ستصدر هيئات الرقابة النووية إرشادات حول كيفية دمج التنبؤات المعززة بالذكاء الاصطناعي في عمليات الترخيص.
- الاهتمام التجاري – قد يقوم موردو أنظمة التحكم في المفاعلات بترخيص هذه التكنولوجيا أو تطوير نماذج منافسة مستندة إلى الفيزياء.
إذا صمد النموذج أمام هذه الاختبارات، فقد يصبح مكونًا قياسيًا في حزم تصميم المفاعلات، مما يشكل كيفية موازنة الصناعة بين السلامة والإنتاج لسنوات قادمة.
الخلاصة: أظهر الذكاء الاصطناعي الموجه بالفيزياء الذي ابتكره مراهق أن التعلم الآلي يمكن أن ينتقل من مجرد مطابقة الأنماط القائمة على البيانات إلى أداة هندسية موثوقة، مما يوفر مسارًا ملموسًا لطاقة نووية أكثر أمانًا وكفاءة — بشرط أن تتمكن الصناعة من سد الفجوة بين النجاح المختبري والقبول التنظيمي.