Dünyanın en büyük yapay zeka firması Google DeepMind, bir nükleer füzyon reaktörünün kalbinde bulunan plazmayı kontrol etmek ve bilimin yıllardır temiz enerji üzerinde çalıştığı projeyi farklı bir konuma taşımak için derin pekiştirmeli öğrenme algoritması geliştirdi. Sıfırdan hazırlanan bu algoritma, daha sonraki süreçte istenilen şekilde çalışması hedefiyle bir eğitim sürecinden geçirildi. Peki Google’ın ana şirketi Alphabet destekli DeepMind’ın katılımıyla gerçekleştirilen bu atılımın detayları neler?
Bilindiği üzere hidrojen atomları, güneşin yüzeyinden daha sıcak bir ortamda yer aldıklarında bir araya gelerek plazmaya dönüşürler. Maddenin dördüncü hali olan ve sadece gazların çok ısıtılmasıyla atomlarına ayrılması durumunda ortaya çıkan plazmaları kontrol altında tutmak, geleceğin en temiz enerji kaynağı nükleer füzyon teknolojisinin gelişmesinde büyük öneme sahip. Günümüzde belli bir seviyeye gelmiş nükleer füzyonun ilerleyişi artık çeşitli mühendislik tasarımları altında devam ediyor. İsviçre’deki École Polytechnique Fédérale de Lausanne Üniversitesi bünyesindeki Plazma Merkezi’nin yöneticisi Ambrogio Fasoli, konuyla alakalı olarak, “Plazmadan enerji üretebilmemiz için bunu ısıtabilmeli ve nispeten uzun bir süre boyunca aktif formda tutabilmemiz gerekiyor.” açıklamasında bulundu. İşte tam bu noktada Google DeepMind devreye giriyor.
Alphabet’in yapay zeka kuruluşu daha önce oyunlar ve proteinler üzerinde çalışmıştı. Google DeepMind şimdi ise nükleer füzyon reaksiyonunu yönetmek amacıyla bir yapay zeka projesi işine giriyor. İsviçre Plazma Merkezi’nin ortaklığıyla yürütülecek bu araştırmada, bir füzyon reaktörünün tokamakındaki (milyonlarca Celsius sıcaklıkla oluşturulan plazmayı kontrol altında tutmak için kullanılan bobinlerle kaplı manyetik alan) anlık ayarlamaları DeepMind’in geliştireceği yapay zeka üstlenecek.
Bilim insanları nükleer füzyon reaksiyonunu sınırlayarak yönetmek için güçlü manyetik bobinler kullanırlar. Az önce bahsettiğimiz tokamakın bünyesindeki bu bobinler sayesinde plazma, istenen konuma yönlendirilebilir ve şekillendirilebilir. Buradaki önemli ve can alıcı nokta ise bobinleri dikkatli bir şekilde ayarlayarak plazmanın tokamak alanının kenarlarına temas etmesini önlemek. Eğer füzyon reaktörü içerisindeki plazmanın hareketi kontrol edilmezse, reaktör duvarlarında bazı tahribatlar oluşabilir. Ayrıca bu durumda reaksiyon yavaşlaması da yaşanabilir ve plazmadan alınacak verim düşer. Başka bir açıdan akıllara gelen ilk soru plazmanın patlama riskinin ne seviyede olduğu. Plazmalar, tokamak gibi manyetik bir alan sınırlaması içerisinde bulunmadıkları sürece aktifliklerini sürdüremezler ve kaybolurlar. Haliyle böyle bir ekstrem durumun yaşanması pek de mümkün değil.
Mevzubahis plazmaların yönetimi olduğunda yapılarını değiştirerek bunlardan daha fazla enerji elde edilmek isteniyorsa, büyük bir tasarım ihtiyacı kendini gösteriyor. Geleneksel füzyon sistemleri, çeşitli çalışma modellerine ve simülasyonlara dayalı bilgisayar kontrolünde olduğundan; plazmada kapsamlı değişiklikler yapmak bu bilgisayarlarda karmaşık ve zorlu bir süreç. Google DeepMind, da plazmaları otonom olarak kontrol edebilen bir yapay zeka geliştirerek bilim insanlarının sırtındaki büyük yükü devralmaya hazırlanıyor.
Araştırmacıların hazırladığı ve Nature dergisinde yayımladığı makaleye göre, gelecekteki gelişmiş füzyon reaktörlerinin tasarımına ışık tutacak değişken konfigürasyonlu TCV tokamakının bünyesindeki 19 manyetik bobinin kontrolü derin pekiştirmeli öğrenme sistemine bırakıldı. DeepMind’ın kontrol ekibi lideri Martin Riedmiller, yaptığı açıklamada, “Bir tokamak içindeki plazmayı kontrol etmenin beraberinde getirdiği sorunları çözme konusunda yapay zekanın uygun bir yapıda olduğunu keşfettik.” diyerek projenin istendiği gibi ilerlediğini belirtti.
İnsan beyninin yapısı örnek alınarak tasarlanmış bir tür yapay zeka eklentisi olan nöral ağlar, tokamak bobinlerini yönetebilmesi amacıyla öncelikle bir simülasyon ile eğitildi. Bahsettiğimiz simülasyonda 19 adet bobinin her birinde manyetik ayarlar değiştirilince, tokamak içindeki plazmanın şeklinin nasıl etkilendiği yapay zeka tarafından gözlemlendi. Daha sonra DeepMind’in nöral ağı, tokamakdaki plazmayı reaktör tiplerine göre değişen bir dizi farklı şekle dönüştürmeyi bile başardı.
Özetle DeepMind’ın yapay zekası, hem simülasyonda hem de gerçek testlerde TCV tokamakındaki manyetik bobinleri doğru bir şekilde kendi kendine yönetti. İsviçre Plazma Merkezi’nin yöneticisi Ambrogio Fasoli bu gelişmenin gelecekteki tokamakların tasarımını etkileyebileceğini özellikle belirtiyor. Imperial College London’da bir füzyon uzmanı olan Yasmin Andrew ise sonuçları olumlu değerlendirmesinin yanında, derin pekiştirmeli öğrenmenin daha büyük reaktörlerde de görmeyi ilgi çekici buluyor.
Google DeepMind tarafından yapılan bu atılım, nükleer füzyonu kontrol etmek amacıyla yapay zekanın ilk kez kullanılması değil. Google, 2014 yılından bu yana, makine öğrenimini farklı füzyon reaktörlerine uygulamak için Kaliforniya merkezli füzyon şirketi TAE Technologies ile birlikte çalışıyor ve bu da deneysel verilerin niteliğini her sene artırıyor. Ayrıca, Birleşik Krallık’taki JET füzyon projesinde de plazmanın davranışını tahmin etmek için yapay zeka kullanılmıştı.
Fizikçiler, küçük ölçekli tokamaklardaki plazmayı geleneksel yöntemlerle kontrol etme yerine yapay zekaya güvenseler de, iş nöral ağları enerji santrali boyutundaki reaktörlere uyarlamaya gelince bazı pürüzlerin ortaya çıkabileceğini düşünüyorlar. Füzyon alanında ilerlemeler yavaş fakat istikrarlı bir şekilde devam ettiğinden sorunların çözülmemesi söz konusu değil ama biraz zaman alacağa benziyor. Diğer taraftan harcanan zamanın meyvesini verdiğini söyleyebiliriz. Zira geçen hafta JET projesi yeni bir rekor kırarak, bir füzyon reaktöründen elde edilen en yüksek enerji miktarına ulaşmıştı. İlerlen süreçte füzyon teknolojilerinde çok daha fazla gelişmenin yaşanacağı tahmin ediliyor. Düşüncelerinizi yorumlarda paylaşmayı unutmayın.
