أخبار ar.wedoany.com، صدرت ورقة بيضاء حول الأساليب متعددة الدقة في مجال الاندماج النووي، تركز على الذكاء الاصطناعي والتوأم الرقمي لتسريع عملية التسويق التجاري. تشرح الورقة البيضاء بشكل منهجي كيفية التغلب على التحديات الأساسية في تطوير طاقة الاندماج من خلال دمج النماذج الفيزيائية والنماذج المعتمدة على البيانات. وتتناول الورقة التقنيات المتطورة، بما في ذلك التعلم الآلي، والنماذج مختزلة الرتبة متعددة الدقة، والوكلاء الذكاء الاصطناعي، بهدف بناء توأم رقمي تنبؤي لتسريع مسار التسويق التجاري لطاقة الاندماج.
فيما يتعلق بدمج النماذج الفيزيائية والنماذج المعتمدة على البيانات، تشير الورقة البيضاء إلى أن نماذج فيزياء بلازما الاندماج تشكل تسلسلاً هرمياً يبدأ من النماذج عالية الدقة مثل النماذج الحركية (Kinetic) والنماذج الحركية الدورانية (Gyrokinetic) وصولاً إلى نماذج الديناميكا المائية المغناطيسية (MHD). ومع ذلك، فإن النماذج الفيزيائية المبسطة التقليدية محدودة بالتقريبات القبلية. يمكن للنماذج مختزلة الرتبة المعتمدة على البيانات (مثل تحليل التفكيك الذاتي المتعامد POD، وتحليل نمط الديناميكيات DMD، وشبكات التنسور، والعمليات الغاوسية)، بالإضافة إلى الشبكات العصبية الالتفافية (CNN) ونماذج الانتشار التوليدية، أن تتعلم البنية الأساسية مباشرة من المحاكاة عالية الدقة أو البيانات التجريبية، متجاوزة القيود الفيزيائية التقليدية. يمثل الحصول على البيانات وتوحيدها معاييرها عقبة رئيسية؛ إذ يحتاج مجال الاندماج حالياً إلى التوجه نحو مبادئ FAIR (قابلة للاكتشاف، وقابلة للوصول، وقابلة للتشغيل البيني، وقابلة لإعادة الاستخدام)، مع الاستفادة من قواعد البيانات المفتوحة مثل IMAS (مجموعة أدوات النمذجة والتحليل المتكاملة) وFAIR-MAST. تشمل التطورات الحديثة استخدام DMD لتطوير نماذج شبه خطية متعددة الأنماط مناسبة للمفاعلات النجمية، وبناء نماذج مختزلة الرتبة غير خطية للحركية الدورانية عبر إسقاط POD-Galerkin.
في مجال تقليل عدم اليقين وتوصيفه، تؤكد الورقة البيضاء على أهمية التحقق والتصديق وتكميم عدم اليقين (VVUQ) للتنبؤ بأداء الأجهزة المستقبلية. باستخدام تقنيات متغيرات التحكم مثل مونت كارلو متعدد المستويات (MLMC) ومونت كارلو متعدد الدقة (MFMC)، يمكن الاستفادة من النماذج منخفضة الدقة لتقليل تباين التقييمات عالية الدقة بشكل كبير، وهو أمر فعال بشكل خاص في محاكاة الأحداث النادرة مثل النيوترونيات ونقل الجسيمات عالية الطاقة. فيما يتعلق بصعوبات استدلال سلاسل ماركوف مونت كارلو (MCMC)، أظهرت مخططات القبول المتأخر (Delayed Acceptance) وتقنيات استيعاب البيانات متعددة الدقة إمكانيات واعدة. بالتعاون بين جامعة فرجينيا للتكنولوجيا وجامعة كولورادو بولدر، تم بنجاح تطبيق تكميم عدم اليقين باستخدام الشبكات المتفرقة (Sparse Grid UQ) في بناء نماذج وكيلة للتنبؤ بالحمل الحراري لمشتت الحرارة في توكاماك.
توفر الطرق العددية المتقدمة الدعم الأساسي للأطر متعددة الدقة. يمكن لتطوير مؤثرات تصادم بولتزمان باستخدام شبكات التنسور (Tensor Networks) التغلب بفعالية على لعنة الأبعاد في النماذج الحركية عالية الدقة (مثل نظام Vlasov-Maxwell). كما يوفر الاستفادة من محاكاة الدوامات الكبيرة (LES) مع حدود الإغلاق القائمة على التعلم الآلي حلاً جديداً لاضطراب البلازما الممغنطة.
في مجال البرمجة القابلة للتفاضل، يؤدي نقل أكواد الحوسبة العلمية إلى أطر تدعم التفاضل التلقائي مثل JAX أو PyTorch إلى تمكين الحلالات من تضمين الشبكات العصبية والعمل على وحدات معالجة الرسوميات (GPU/TPU)، مما يسمح بالحصول المباشر على معلومات التدرج. حالياً، تم الانتهاء من نقل الحلال الحركي الدوراني القابل للتفاضل iGENE إلى JAX.
في مجال إثبات الصحة الشكلي، باستخدام لغات خاصة بالمجال (DSL) ولغة الإثبات Lean، يعمل الباحثون على بناء طرق عددية لمعادلات أويلر القابلة للانضغاط ومعادلات MHD تتمتع بشهادات صحة شكلية (Formal Certificates of Correctness) من حيث البنية الرياضية وقوانين الحفظ الفيزيائية.
في مجال تصميم وتحسين أجهزة الاندماج، تتيح الأساليب متعددة الدقة إمكانية التحسين المتكامل العميق. هناك حاجة ماسة حالياً إلى مخططات اقتران سريعة التنبؤ ومتسقة ذاتياً بين القلب والحافة، مثل دمج نموذج الحافة/مشتت الحرارة الحركي الدوراني رباعي الأبعاد مع نماذج الجسيمات المحايدة. في الاندماج بالحصر القصوري (ICF)، تم استخدام طرق بايزي متعددة الدقة ونماذج وكيلة للتعلم العميق لتحسين تصميم كبسولات الهدف في مرفق الإشعال الوطني (NIF). في الاندماج بالحصر المغناطيسي، يلزم دمج طرق مونت كارلو في حلقة التحسين لتقييم تأثير عدم اليقين الهندسي، مثل أخطاء تصنيع وتركيب الملفات، على الأداء.
فيما يتعلق بالأساليب متعددة الدقة للتحكم في الوقت الفعلي، ونظراً لصعوبة إجراء الوصول الفيزيائي المتكرر داخل المفاعل وتدهور أجهزة الاستشعار في البيئة النووية، سيعتمد التحكم في البلازما في المستقبل بشكل كبير على تقدير الحالة القائم على النماذج. أصبحت نمذجة التحكم التنبؤي (MPC) اتجاهاً سائداً، مما يتطلب تطوير نماذج مختزلة الرتبة غير خطية فعالة وموجهة نحو التحكم. بالإضافة إلى ذلك، يجب إدخال التصميم المشترك للتحكم (Co-design) في مراحل التصميم المبكرة، مع الأخذ في الاعتبار الديناميكيات العابرة والأحداث القصوى.
في مجال تمكين الاكتشاف العلمي الذاتي، تعمل وكلاء الذكاء الاصطناعي القائمة على أنظمة الجمع بين نماذج اللغة الكبيرة وأدوات الاستدعاء على إعادة تشكيل سير عمل الحوسبة عالية الأداء (HPC). أصبح الوكلاء قادرين على إكمال نشر وتهيئة بيئة كود الحركية الدورانية GENE على أجهزة HPC متعددة بشكل تلقائي بالكامل، والمساعدة في إعادة هيكلة كود GENE-3D، ونقل كود Gkeyll إلى وحدات معالجة الرسوميات AMD، وتشغيل OSIRIS تلقائياً بالكامل على حاسوب Perlmutter العملاق لإجراء أبحاث تفاعل الليزر مع البلازما. يتطور تطبيق الوكلاء في مجال الاندماج من الدور المساعد إلى الدور الذاتي بالكامل.
بناء توأم رقمي للاندماج يركز على التنبؤ هو الهدف طويل المدى لهذا المجال. لا يتطلب ذلك دمجاً استراتيجياً للنماذج عالية ومنخفضة الدقة فحسب، بل يعتمد أيضاً على إطار VUQ قوي لتحديد مصداقية القرارات المبنية على المحاكاة. تتوافق الاتجاهات التي تناقشها هذه الورقة البيضاء بشكل كبير مع دليل طلب تقديم المشاريع الوطنية لتحديات العلوم والتكنولوجيا لمهمة التكوين (Genesis Mission RFA) الصادر مؤخراً عن وزارة الطاقة الأمريكية (DOE)، وكذلك مع خارطة طريق علوم وتكنولوجيا الاندماج (FS&T Roadmap)، التي تحدد بوضوح الذكاء الاصطناعي والحوسبة متعددة الدقة والتوأم الرقمي وتحسين تصميم المرافق كمهام ذات أولوية لتسريع التسويق التجاري لطاقة الاندماج.
