Mwanafunzi wa sekondari mwenye umri wa miaka 17 kutoka Montvale, New Jersey, alitumia akili mnemba (AI) kupunguza kosa la utabiri wa mtiririko muhimu wa joto (critical heat flux) katika mitambo ya nyuklia kutoka 63% hadi 5.5%. Mafanikio hayo yalimpa tuzo ya $50,000 na yanaweza kuimarisha mipaka ya usalama katika kizazi kijacho cha mitambo ya nyuklia.

Kwa nini mtiririko muhimu wa joto ni muhimu

Critical heat flux (CHF) inaashiria hatua ambapo kuchemka kwenye fimbo za mafuta za mtambo unakuwa usio thabiti, jambo linaloweza kusababisha ongezeko la haraka la joto ambalo linaweza kuharibu kiini (core). Wahandisi lazima watabiri CHF kwa usahihi ili kuwezesha mitambo kufanya kazi kwa usalama huku wakichimba nishati nyingi kadiri inavyowezekana. Mbinu za kizamani zinategemea uhusiano wa kimaelezo (empirical correlations) ambayo mara nyingi huwa na kutokuaminika kwa kiasi kikubwa; kosa la 63% hulazimisha waendeshaji kufanya kazi kwa tahadhari kubwa—wakipoteza nguvu zinazoweza kupatikana—au kusukuma mitambo karibu sana na mipaka isiyo salama.

Mtandao wa neva unaoongozwa na fizikia

Badala ya kuingiza data ghafi kwenye mfumo wa jumla wa AI, kijana huyu alijenga mfumo wa kujifunza kwa mashine unaozingatia fizikia (physics-informed machine-learning system). Mtandao huo hujifunza kutokana na vipimo vya majaribio lakini unadhibitiwa katika kila hatua na kanuni zinazoongoza termodinamiki (thermodynamics) na dinamiki ya majimaji (fluid dynamics). Kwa kuulazimisha mfumo huo kufuata sheria hizo, uniepuka changamoto za "sanduku jeusi" (black-box) ambazo hufanya zana nyingi za AI kutofaa kwa uhandisi wenye hatari kubwa. Matokeo yake: kosa la utabiri linashuka hadi 5.5%, usahihi ambao unaweza kuruhusu mitambo kufanya kazi karibu na utendaji bora bila kuhatarisha usalama.

Athari kwa sekta ya nyuklia

  • Uendeshaji salama zaidi – utabiri sahihi wa CHF unapunguza hatari ya kupata joto kupita kiasi kutokana na kuchemka, jambo ambalo ni ishara kuu ya ajali mbaya.
  • Ufanisi mkubwa zaidi – waendeshaji wanaweza kuchimba joto zaidi kabla ya kufikia mipaka ya usalama, hivyo kuongeza uwezo wa mtambo.
  • Uanzishaji wa haraka wa SMRs – Mitambo Midogo ya Nyuklia ya Moduli (Small Modular Reactors - SMRs), inayosifiwa kwa unyumbufu na gharama ndogo za awali, inategemea usimamizi bora wa joto. Mfumo wa AI wa kuaminika unaweza kuondoa moja ya vikwazo vikuu vya kisheria.

Faida hizi zinaendana na juhudi za kimataifa za kupanua vyanzo vya nishati visivyo na kaboni. Wakati serikali zinatenga mabilioni kwa ajili ya ujenzi mpya wa mitambo ya nyuklia, zana inayotoa ahadi ya usalama na ufanisi ina uwezekano mkubwa wa kuvutia nia ya sekta hiyo.

Mashaka na vikwazo vya kivitendo

Hata kwa upungufu mkubwa wa makosa, mfumo huo bado lazima upitie uhakiki mkali kabla ya mtambo wa kibiashara kuweza kuutegemea. Wafuatiliaji wa nyuklia kwa kawaida hudai utendaji uliothibitishwa kwa miongo mingi kwa programu yoyote muhimu kwa usalama, na AI inayozingatia fizikia bado inategemea ubora wa data yake ya mafunzo. Wakosoaji wanaonya kuwa kutegemea sana mfumo, hata ukiwa sahihi kwenye majaribio, kunaweza kuficha aina za hitilafu zisizotarajiwa ikiwa fizikia ya msingi itabadilika chini ya hali za upekee.

Hii inamaanisha nini kwa India

Programu ya nyuklia ya India inapanuka chini ya mkakati wa hatua nyingi unaojumuisha SMRs. Kuunganisha zana ya AI inayozingatia fizikia kunaweza kusaidia Idara ya Nishati ya Atomiki (Department of Atomic Energy) kuimarisha uchambuzi wa usalama na kuboresha uchumi wa mitambo. Mafanikio haya pia yanasisitiza juhudi pana za "AI kwa ajili ya Wema" (AI for Good), yakihimiza taasisi za utafiti za India kuchanganya uhandisi wa teknolojia ya kina (deep-tech engineering) na kujifunza kwa mashine ya hali ya juu. Hatimaye, mafanikio haya yanaangazia uwezo wa talanta za diaspora na hitaji la mitaala inayounganisha uhandisi wa jadi na sayansi ya data.

Nini cha kufuatilia baadaye

  • Utafiti wa majaribio – watumiaji wa mapema wanaweza kuendesha mfumo huo pamoja na kanuni za usalama zilizopo kwenye mitambo ya majaribio ili kukusanya data za utendaji wa ulimwengu halisi.
  • Majibu ya kisheria – vyombo vya usimamizi wa nyuklia vitatoa mwongozo kuhusu jinsi utabiri ulioimarishwa kwa AI unavyoweza kujumuishwa katika utoaji wa leseni.
  • Nia ya kibiashara – wauzaji wa mifumo ya udhibiti wa mitambo wanaweza kutoa leseni ya teknolojia hiyo au kuendeleza mifumo mingine inayozingatia fizikia.

Ikiwa mfumo huo utavuka majaribio haya, unaweza kuwa sehemu ya kawaida ya vifurushi vya usanifu wa mitambo, ukiamua jinsi sekta hiyo inavyozingatia usalama na uzalishaji kwa miaka ijayo.

Muhtasari: AI ya kijana huyu inayoelekezwa na fizikia imeonyesha kuwa kujifunza kwa mashine kunaweza kutoka kwenye ulinganishaji wa mifumo ya data pekee na kuwa zana ya uhandisi inayotegemewa, ikitoa njia madhubuti ya nishati ya nyuklia salama na yenye ufanisi zaidi—mradi tu sekta hiyo iweze kuziba pengo kati ya mafanikio ya maabara na ukubalifu wa kisheria.