নিউ জার্সির মন্টভালের একজন ১৭ বছর বয়সী হাই-স্কুল ছাত্র কৃত্রিম বুদ্ধিমত্তা (AI) ব্যবহার করে পারমাণবিক চুল্লির ক্রিটিক্যাল হিট ফ্লাক্স (CHF) পূর্বাভাসের ত্রুটির মাত্রা ৬৩% থেকে কমিয়ে ৫.৫%-এ নিয়ে এসেছে। এই কৃতিত্বের জন্য তিনি ৫০,০০০ ডলার পুরস্কার পেয়েছেন এবং এটি পরবর্তী প্রজন্মের পারমাণবিক প্ল্যান্টের নিরাপত্তা ব্যবস্থার উন্নতি ঘটাতে পারে।

কেন ক্রিটিক্যাল হিট ফ্লাক্স গুরুত্বপূর্ণ

ক্রিটিক্যাল হিট ফ্লাক্স (CHF) হলো সেই বিন্দু যেখানে চুল্লির জ্বালানি রডগুলোর ওপর ফুটন্ত প্রক্রিয়াটি অস্থির হয়ে ওঠে, যা তাপমাত্রার দ্রুত বৃদ্ধির ঝুঁকি তৈরি করে এবং চুল্লির কোর (core) ক্ষতিগ্রস্ত করতে পারে। ইঞ্জিনিয়ারদের চুল্লিকে নিরাপদে পরিচালনা করার পাশাপাশি যতটা সম্ভব বেশি শক্তি আহরণ করার জন্য CHF সঠিকভাবে অনুমান করতে হয়। প্রচলিত পদ্ধতিগুলো অভিজ্ঞতামূলক সম্পর্কের (empirical correlations) ওপর নির্ভর করে যা প্রায়শই বড় ধরনের অনিশ্চয়তা তৈরি করে; ৬৩% ত্রুটির মাত্রা অপারেটরদের অত্যন্ত সতর্কভাবে বা কম ক্ষমতায় চুল্লি চালাতে বাধ্য করে—যার ফলে সম্ভাব্য শক্তির অপচয় হয়—অথবা অনিরাপদ সীমার খুব কাছাকাছি চলে যাওয়ার ঝুঁকি থাকে।

একটি পদার্থবিজ্ঞান-নির্দেশিত নিউরাল নেটওয়ার্ক

একটি সাধারণ AI মডেলকে শুধু কাঁচা ডেটা (raw data) দেওয়ার পরিবর্তে, এই কিশোর একটি পদার্থবিজ্ঞান-নির্ভর মেশিন-লার্নিং সিস্টেম তৈরি করেছেন। এই নেটওয়ার্কটি পরীক্ষামূলক পরিমাপ থেকে শেখে, তবে প্রতিটি ধাপে এটি তাপগতিবিদ্যা (thermodynamics) এবং ফ্লুইড ডাইনামিক্সের (fluid dynamics) নিয়ন্ত্রণকারী সমীকরণ দ্বারা সীমাবদ্ধ থাকে। মডেলটিকে এই নিয়মগুলো মেনে চলতে বাধ্য করার মাধ্যমে, এটি সেই "ব্ল্যাক-বক্স" সমস্যাগুলো এড়িয়ে চলে যা অনেক AI টুলকে উচ্চ-ঝুঁকিপূর্ণ ইঞ্জিনিয়ারিংয়ের জন্য অনুপযুক্ত করে তোলে। ফলাফল: পূর্বাভাসের ত্রুটি কমে ৫.৫%-এ নেমে এসেছে, এমন একটি নির্ভুলতা যা নিরাপত্তা বিঘ্নিত না করেই চুল্লিগুলোকে সর্বোত্তম কার্যক্ষমতার কাছাকাছি চালাতে সাহায্য করতে পারে।

পারমাণবিক শিল্পের ওপর প্রভাব

  • নিরাপদ পরিচালনা – আরও নিখুঁত CHF পূর্বাভাস ফুটন্ত প্রক্রিয়ার কারণে অতিরিক্ত উত্তপ্ত হওয়ার ঝুঁকি কমায়, যা মারাত্মক দুর্ঘটনার একটি প্রধান কারণ।
  • উচ্চতর দক্ষতা – অপারেটররা নিরাপত্তার সীমা অতিক্রম করার আগে আরও বেশি তাপ আহরণ করতে পারেন, যা প্ল্যান্টের ক্যাপাসিটি ফ্যাক্টর বৃদ্ধি করে।
  • SMR-এর দ্রুত বিস্তার – স্মল মডুলার রিঅ্যাক্টর (SMRs), যা তার নমনীয়তা এবং কম প্রাথমিক খরচের জন্য প্রশংসিত, উন্নত তাপ ব্যবস্থাপনার ওপর নির্ভর করে। একটি নির্ভরযোগ্য AI মডেল অন্যতম প্রধান নিয়ন্ত্রক বাধা দূর করতে পারে।

এই সুবিধাগুলো নিম্ন-কার্বন শক্তি উৎস সম্প্রসারণের বৈশ্বিক প্রচেষ্টার সাথে সামঞ্জস্যপূর্ণ। যেহেতু সরকারগুলো নতুন পারমাণবিক স্থাপনার জন্য বিলিয়ন বিলিয়ন ডলার বরাদ্দ করছে, তাই এমন একটি সরঞ্জাম যা নিরাপত্তা এবং দক্ষতা উভয়ই নিশ্চিত করার প্রতিশ্রুতি দেয়, তা শিল্পের আগ্রহ আকর্ষণ করবে।

সংশয় এবং ব্যবহারিক বাধা

ত্রুটির এই নাটকীয় হ্রাস সত্ত্বেও, একটি বাণিজ্যিক চুল্লিতে ব্যবহারের আগে মডেলটিকে কঠোর যাচাইকরণের মধ্য দিয়ে যেতে হবে। পারমাণবিক নিয়ন্ত্রক সংস্থাগুলো সাধারণত যেকোনো নিরাপত্তা-সংক্রান্ত সফটওয়্যারের জন্য কয়েক দশকের প্রমাণিত কার্যকারিতা দাবি করে এবং একটি পদার্থবিজ্ঞান-সচেতন AI এখনও তার ট্রেনিং ডেটার মানের ওপর নির্ভর করে। সমালোচকরা সতর্ক করেছেন যে, একটি মডেলের ওপর অতিরিক্ত নির্ভরতা—পরীক্ষায় তা যতই নির্ভুল হোক না কেন—অপ্রত্যাশিত ব্যর্থতার কারণগুলো আড়াল করতে পারে যদি চরম পরিস্থিতিতে অন্তর্নিহিত পদার্থবিজ্ঞান পরিবর্তিত হয়।

ভারতের জন্য এর অর্থ কী

ভারতের পারমাণবিক কর্মসূচি একটি বহুমুখী কৌশলের অধীনে সম্প্রসারিত হচ্ছে যার মধ্যে SMR অন্তর্ভুক্ত রয়েছে। একটি পদার্থবিজ্ঞান-সচেতন AI টুল অন্তর্ভুক্ত করা পারমাণবিক শক্তি বিভাগকে (Department of Atomic Energy) নিরাপত্তা বিশ্লেষণ আরও নিখুঁত করতে এবং প্ল্যান্টের অর্থনীতি উন্নত করতে সাহায্য করতে পারে। এই সাফল্য একটি বৃহত্তর "AI for Good" বা জনকল্যাণে AI ব্যবহারের প্রচেষ্টাকেও ত্বরান্বিত করে, যা ভারতীয় গবেষণা প্রতিষ্ঠানগুলোকে ডিপ-টেক ইঞ্জিনিয়ারিংয়ের সাথে উন্নত মেশিন লার্নিংয়ের সমন্বয় করতে উৎসাহিত করে। পরিশেষে, এই অর্জন প্রবাসী প্রতিভার সম্ভাবনা এবং প্রথাগত ইঞ্জিনিয়ারিংয়ের সাথে ডেটা সায়েন্সের সেতুবন্ধন তৈরির প্রয়োজনীয়তাকে তুলে ধরে।

পরবর্তীতে যা লক্ষ্য রাখতে হবে

  • পাইলট স্টাডি – প্রাথমিক ব্যবহারকারীরা বাস্তব জগতের কার্যকারিতার ডেটা সংগ্রহের জন্য পরীক্ষামূলক চুল্লিতে বিদ্যমান নিরাপত্তা কোডের পাশাপাশি এই মডেলটি চালাতে পারেন।
  • নিয়ন্ত্রক প্রতিক্রিয়া – পারমাণবিক তদারকি সংস্থাগুলো AI-বর্ধিত পূর্বাভাস কীভাবে লাইসেন্সিং প্রক্রিয়ায় অন্তর্ভুক্ত করা যেতে পারে সে বিষয়ে নির্দেশিকা জারি করবে।
  • বাণিজ্যিক আগ্রহ – রিঅ্যাক্টর কন্ট্রোল সিস্টেমের ভেন্ডররা এই প্রযুক্তি লাইসেন্স করতে পারেন বা প্রতিদ্বন্দ্বী পদার্থবিজ্ঞান-নির্ভর মডেল তৈরি করতে পারেন।

যদি মডেলটি এই পরীক্ষাগুলোতে টিকে থাকে, তবে এটি রিঅ্যাক্টর ডিজাইন প্যাকেজের একটি আদর্শ উপাদানে পরিণত হতে পারে, যা আগামী বছরগুলোতে শিল্প কীভাবে নিরাপত্তা এবং উৎপাদনের ভারসাম্য রক্ষা করবে তা নির্ধারণ করবে।

সারকথা: একজন কিশোরের পদার্থবিজ্ঞান-নির্দেশিত AI দেখিয়েছে যে মেশিন লার্নিং কেবল ডেটা-ভিত্তিক প্যাটার্ন ম্যাচিং থেকে একটি বিশ্বস্ত ইঞ্জিনিয়ারিং টুলে রূপান্তরিত হতে পারে, যা নিরাপদ এবং আরও দক্ষ পারমাণবিক শক্তির একটি সুনির্দিষ্ট পথ দেখায়—যদি শিল্প প্রতিষ্ঠানগুলো ল্যাবরেটরির সাফল্য এবং নিয়ন্ত্রক গ্রহণযোগ্যতার মধ্যে ব্যবধান ঘুচিয়ে দিতে পারে।