Atomları parçalayarak güç elde edebiliyor. Pekala lakin neden yıldızlar üzere pak, yenilenebilir ve radyoaktif atıklardan arınmış bir güç kaynağı bulamıyoruz? Halbuki tek yapmamız gereken atomları parçalamak yerine birleştirmek. Elbette bu hiç de kolay değil. Lakin, fisyon yerine füzyona ulaşabilmemiz için artık işimizi kolaylaştıracak bir şeye sahip olabiliriz: Yapay zeka. İnsanlığın pak ve sürdürülebilir güç kaynakları arayışı, araştırmacıların nükleer füzyonu keşfetmesiyle çok kıymetli bir dönüm noktasına ulaştı. Radyoaktif atıklar kıymetine güç üreten mevcut nükleer fisyon santrallerinin bilakis, nükleer füzyon neredeyse sınırsız ve etraf dostu enerji üretimi vadediyor.
Güneş’e ve öbür yıldızlara güç veren nükleer füzyon olgusu, hidrojen izotoplarının çok şartlar altında kaynaşmasını, birleşmesini içeriyor. Bunun sonucunda helyum ortaya çıkarken, başlangıçtaki elementler ile yeni oluşan helyum ortasındaki kütle farkından ötürü büyük bir güç açığa çıkıyor.
Ancak, Dünya’da füzyon gücünden yararlanma hayalini gerçekleştirmek, süreçte kullanılan hidrojen izotoplarının seçimi üzerinde hassas bir denetim gerektiriyor.
Denkleme makine tahsilini eklemek
Yakın vakitte yapılan bir basın açıklaması, araştırmacıların nükleer füzyon ve bunun pak güç kaynağı olarak potansiyeline ışık tutabilmemiz için artık yapay zekâ alanına yöneldiğini ortaya koyuyor. Nükleer füzyon için olmazsa olmaz şartlardan biri, hangi hidrojen izotopu karışımının kullanılacağını bilmektir ki bu da şu anda spektroskopi ile yapılan vakit alıcı bir tahlil gerektiriyor. Bu ortada Spektroskopi, ışığın unsur ile etkileşimini inceleyen bir tekniktir. Bu teknik, maddeyi anlamamıza ve özelliklerini belirlememize yardımcı olmakta.
Aix-Marseille Üniversitesi‘nde Doçent olan Mohammed Koubiti, The European Physical Journal D’de yayınlanan bir makalesinde, nükleer füzyon plazma performansı için en uygun hidrojen izotop oranlarını belirlemek üzere makine tahsilini plazma spektroskopisi ile birleştiren yeni bir yaklaşım sundu. Koubiti, füzyon güç santrallerinde hidrojen izotoplarının, bilhassa de döteryum ve trityumun karışımındaki zorluklara odaklanıyor.
Döteryum ve trityum, verimlilikleri nedeniyle füzyon için tercih edilen izotoplardır, lakin güvenlik telaşları nedeniyle kullanılabilecek trityum ölçüsünü katı düzenleyici sonlar belirliyor. Makine tahsilinin denkleme dahil edilmesiyle bu zorluğun üstesinden gelmek amaçlanıyor. Koubiti’nin açıklamasına nazaran, “Nihai maksat, tahlili vakit alan spektroskopiyi kullanmaktan kaçınmak ve füzyon plazmalarındaki trityum içeriğini iddia etmek için onu değiştirmek yahut en azından derin öğrenme ile birleştirebilmek”
Bu çalışma bu gayeye yönelik yalnızca birinci adımı temsil etse de Koubiti, füzyon plazmalarında vaktin bir işlevi olarak trityum içeriğini öngörmede derin öğrenme algoritmaları tarafından kullanılabilecek özellikleri belirlemek için spektroskopiyi kullanmaya devam ettiklerini söylüyor.
Bu yalnızca başlangıç
Makine tahsilinin nükleer füzyon araştırmalarına entegrasyonu heyecan verici olasılıkların önünü açıyor. Koubiti, trityum içeriğini varsayım etmedeki acil uygulamanın ötesinde, derin öğrenme tekniklerini JET, ASDEX-Upgrade, WEST, DIII-D ve hatta stellaratörler üzere tokamaklar da dahil olmak üzere çeşitli manyetik füzyon aygıtlarına genişletmeyi öngörüyor. Dünya, karbon emisyonlarını azaltma ve iklim değişikliğiyle gayret etme konusunda acil bir gereksinimle boğuşuyor ve bu durum nükleer bilimin bir umut ışığı olduğunu gösteriyor. Zorluklar devam etse de Koubiti’nin öncü çalışmaları, inovasyon ve teknolojinin daha pak ve daha sürdürülebilir bir geleceğin şekillendirilmesinde kıymetli bir rol oynayabileceğini gösteriyor.
