பிரின்ஸ்டன் விஞ்ஞானிகள் தூய்மையான எரிசக்தி ஆராய்ச்சியில் ஒரு முக்கிய மைல்கல்லை எட்டியுள்ளனர்: இணைவு பிளாஸ்மா (fusion plasma) நிலையற்ற தன்மைகளைக் கணித்துத் தடுக்கும் ஒரு AI. இந்த முன்னேற்றம் ஆய்வகச் சோதனைகளுக்கும், வணிகரீதியாகச் சாத்தியமான, வரம்பற்ற கார்பன் இல்லாத மின்சார ஆதாரத்திற்கும் இடையிலான இடைவெளியைக் குறைக்கிறது.

இணைவு பிளாஸ்மா நிலைத்தன்மையின் சவால்

அணுக்கரு இணைவு (Nuclear fusion) சூரியனுக்கு ஆற்றலை வழங்குகிறது. பூமியில் இதனைப் பிரதிபலிக்க, ஆராய்ச்சியாளர்கள் ஒரு வாயுவை மில்லியன் கணக்கான டிகிரி வெப்பநிலைக்கு சூடாக்கி, அதன் விளைவாக உருவாகும் பிளாஸ்மாவை டோகாமாக்ஸ் (tokamaks) எனப்படும் சாதனங்களில் காந்தப்புலங்களைக் கொண்டு கட்டுப்படுத்துகின்றனர். பிளாஸ்மா மிகவும் நிலையற்றது; ஒரு சிறிய மாறுபாடு கூட "நிலையற்ற தன்மையை" (instability) தூண்டக்கூடும், இது வெப்ப வாயுவை ரியாக்டரின் சுவர்களைத் தொடத் தூண்டி, இயந்திரத்தைப் பாதிப்பதோடு வினையைத் தடுத்து நிறுத்தும்.

வரலாற்று ரீதியாக, பொறியாளர்கள் இத்தகைய நிகழ்வுகளுக்குப் பிறகு எதிர்வினையாற்றியுள்ளனர், ஆனால் அவர்களின் பதில் நடவடிக்கை பெரும்பாலும் மிகவும் மெதுவாகவே உள்ளது. பிளாஸ்மாவைத் கட்டுப்படுத்த மைக்ரோசெகண்டுகளில் (microseconds) செயல்படும் கட்டுப்பாட்டுச் சுற்றுகள் (loops) தேவைப்படுகின்றன.

AI-அடிப்படையிலான கட்டுப்பாடு: பிரின்ஸ்டனின் முன்னேற்றம்

பிரின்ஸ்டன் ஆராய்ச்சியாளர்கள் ஒரு AI மாதிரியை நேரடியாகக் கட்டுப்பாட்டுச் சுற்றில் இணைத்துள்ளனர், இது ஒவ்வொரு 20 மில்லிசெகண்டிற்கும் (ms) இயங்குவதை உறுதி செய்கிறது. இந்த அமைப்பு வெறும் கண்காணிப்பைத் தாண்டி, நேரடியாகச் செயல்படுகிறது.

சமீபத்திய சோதனையின் போது, ஒரு பாதிப்பை ஏற்படுத்தும் நிலையற்ற தன்மை தோன்றுவதற்கு 200 மில்லிசெகண்டுகளுக்கு முன்பே AI அதனைச் சுட்டிக்காட்டியது. பிளாஸ்மா இயற்பியலில் அந்தச் சிறிய கால இடைவெளியும் ஒரு யுகத்திற்குச் சமமானது. அந்த எச்சரிக்கையைப் பயன்படுத்தி, ரியாக்டர் திருத்த நடவடிக்கைகளை மேற்கொண்டு நிலையற்ற தன்மையை முழுமையாகத் தடுத்தது. எதிர்வினை ஆற்றும் (reactive) முறையிலிருந்து முன்கூட்டியே செயல்படும் (proactive) முறைக்கு மாறியதுதான் காந்தக் கட்டுப்படுத்தப்பட்ட இணைவின் (magnetic-confinement fusion) "புனிதக் கோப்பை" (holy grail) என்று பலரால் அழைக்கப்படுகிறது.

வணிகரீதியான இணைவை நோக்கி விரிவுபடுத்துதல்

நிகர ஆற்றல் ஆதாயத்தை (net-energy gain) அடைவது என்பது இயற்பியல் பிரச்சனை மட்டுமல்ல, அது ஒரு கணினி சார்ந்த பிரச்சனையாகவும் மாறிவருகிறது என்பதை இந்தச் சோதனை காட்டுகிறது. ரியாக்டர்கள் பெரிதாக வளர வளர, இயந்திரக் கற்றல் (machine-learning) அல்காரிதம்கள் நிகழ்நேரத்தில் (real time) மிகப்பெரிய தரவு ஓட்டங்களைக் கையாள வேண்டியிருக்கும்.

பிரின்ஸ்டனின் வெற்றி, ஒரு இணைவுச் சூழலின் அதிவேகத் தேவைகளை AI-ஆல் பூர்த்தி செய்ய முடியும் என்பதை நிரூபிக்கிறது, மேலும் ITER மற்றும் தனியார் துறை ஸ்டார்ட்அப்கள் போன்ற எதிர்கால இயந்திரங்களுக்கு இது ஒரு முன்மாதிரியாக அமையும். வன்பொருள் சேதத்தைத் தவிர்ப்பதன் மூலமும், இயங்காத நேரத்தைக் குறைப்பதன் மூலமும், AI இணைவுத் தொழில்நுட்பத்தின் பொருளாதாரத்தை மிகவும் ஈர்க்கக்கூடியதாக மாற்றுகிறது.

இந்தியாவிற்கு இதன் பொருள் என்ன

இந்தியாவின் தீவிரமான "பஞ்சாமிர்தம்" (Panchamrit) காலநிலைத் திட்டம் மற்றும் எரிசக்தி சுதந்திரத்திற்கான முயற்சி ஆகியவை இந்த முன்னேற்றத்திற்கு ஒரு மூலோபாய முக்கியத்துவத்தை அளிக்கின்றன:

  • எரிசக்தி பாதுகாப்பு மற்றும் கார்பன் நீக்கம்: இந்தியாவின் வளர்ந்து வரும் தொழில்துறைக்கு சூரிய ஆற்றல் மற்றும் காற்று ஆற்றலால் மட்டுமே வழங்க முடியாத நம்பகமான அடிப்படை மின்சாரம் (baseload power) தேவைப்படுகிறது. AI-அடிப்படையிலான இணைவுத் தொழில்நுட்பத்தில் தேர்ச்சி பெறுவது, நாடு புதைபடிவ எரிபொருட்களைத் தாண்டிச் சென்று, நீண்டகால கார்பன் இல்லாத மின்சாரத்தைப் பாதுகாப்பதை உறுதி செய்யும்.
  • ஆழ்ந்த தொழில்நுட்ப ஆராய்ச்சி (Deep-tech research): இந்த முடிவு AI மற்றும் அடிப்படை இயற்பியலின் இணைப்பை முன்னிலைப்படுத்துகிறது. போட்டித்தன்மையுடன் இருக்க, இன்ஸ்டிடியூட் ஃபார் பிளாஸ்மா ரிசர்ச் (Institute for Plasma Research) போன்ற நிறுவனங்கள் AI-ஒருங்கிணைந்த பிளாஸ்மா கட்டுப்பாட்டில் முதலீடு செய்ய வேண்டும்.
  • மூலோபாய தன்னாட்சி: உலகம் இணைவு ஆற்றல் சார்ந்த எதிர்காலத்தை நோக்கி நகரும்போது, AI-கட்டுப்படுத்தப்பட்ட எரிசக்தி அமைப்புகள் மீதான காப்புரிமைகள் ஒரு புதிய புவிசார் அரசியல் கருவியாக மாறும். இந்தியா மற்றவர்களின் விதிகளைப் பின்பற்றுவதை விட, விதிகளை உருவாக்குவதை நோக்கமாகக் கொள்ள வேண்டும்.

வரம்புகள் மற்றும் திறந்த கேள்விகள்

இந்தச் செயல்முறைச் சான்று (proof-of-concept) ஒரு தனிச் சாதனத்தில் மட்டுமே சோதிக்கப்பட்டது.

அடுத்து கவனிக்க வேண்டியவை

  • விரிவான சோதனை: இதே போன்ற AI கட்டுப்பாட்டுச் சுற்றுகளைப் பயன்படுத்தும் பெரிய டோகாமாக்ஸ் (tokamaks) குறித்த அறிக்கைகளைக் கவனிப்போம். அதிக ஆற்றல் நிலைகளில் அந்த 200 மில்லிசெகண்ட் முன்னறிவிப்பு நிலைத்திருக்குமா என்பதை அவற்றின் தரவுகள் வெளிப்படுத்தும்.
  • கலப்பு கட்டுப்பாட்டு முறைகள் (Hybrid control schemes): ஆராய்ச்சியாளர்கள் ஆரம்பகால எச்சரிக்கைத் திறனைத் தக்கவைத்துக் கொள்வதோடு, தவறான எச்சரிக்கைகளைக் குறைக்கவும், AI முன்னறிவிப்புகளைப் பாரம்பரிய மாதிரி அடிப்படையிலான (model-based) கட்டுப்பாட்டாளர்களுடன் இணைக்க வாய்ப்புள்ளது.

பிரின்ஸ்டன் செயல்முறை விளக்கம், வெறும் ஒரு நொன்றில் ஐந்தில் இரண்டு பங்கு (0.2 வினாடி) போன்ற ஒரு சிறிய முன்னறிவிப்பு கூட, பூமியில் சூரியனின் ஆற்றலை நாம் எவ்வாறு கட்டுப்படுத்துகிறோம் என்பதை மாற்றியமைக்க முடியும் என்பதை நிரூபிக்கிறது. இந்த அணுகுமுறை அடுத்தகட்ட விரிவாக்கச் சோதனைகளில் வெற்றி பெற்றால், அது இணைவுத் தொழில்நுட்பத்தை ஒரு நடைமுறைக்குச் சாத்தியமான, கார்பன் இல்லாத எரிசக்தி ஆதாரமாக மாற்றும் கட்டுப்பாட்டு கட்டமைப்பின் முதுகெலும்பாக மாறக்கூடும்.