ستاره در شیشه: هوش مصنوعی در همجوشی هسته‌ای و فیزیک پلاسما

هوش مصنوعی در بازسازی حالت پلاسما، پیش‌بینی ناپایداری، شکل‌دهی مغناطیسی و کنترل آزمایشی نتیجه‌های مهمی ساخته است. این نتیجه‌ها نیروگاه تجاری همجوشی را اثبات نمی‌کنند. موفقیت یک کنترل‌گر در discharge پژوهشی یک توکامک، شاهدی برای یک مسئله کنترل تعریف‌شده است؛ نه اثبات تولید قابل اتکای برق، ماده واجد صلاحیت، چرخه بسته تریتیوم، قطعه قابل نگهداشت، مجوز تنظیم‌گر یا هزینه رقابتی.

همین تمایز دستور کار مهندسی را دقیق می‌کند. AI می‌تواند آزمایش بهتر و بستن شکاف علمی مشخص را ممکن کند، به شرط آنکه جزء یادگرفته‌شده در معماری کنترل اندازه‌گیری‌شده و دارای حفاظت مستقل باقی بماند.

آزمایش را تعریف کنید، نه تیتر را

با هدف shot شروع کنید: حفظ جریان و موقعیت، دنبال‌کردن مسیر شکل، برآورد profile غیرقابل اندازه‌گیری بلادرنگ، اجتناب از tearing mode، پیش‌بینی disruption، بهینه‌سازی heating یا مقایسه سناریوی کار. ماشین، رژیم پلاسما، فاز pulse، diagnostic، محدودیت actuator، بازه کنترل، قاعده termination و فرضیه علمی را بنویسید.

کلاس نتیجه‌ها را جدا کنید:

• عملکرد simulation در مدل اندازه‌گیری می‌شود؛
• پیش‌بینی offline از discharge ضبط‌شده بدون کنترل سخت‌افزار استفاده می‌کند؛
• hardware-in-the-loop رابط و زمان‌بندی واقعی کنترل را وارد می‌کند؛
• کنترل آزمایشی در shot مجاز روی دستگاه پژوهشی عمل می‌کند؛
• شاهد reactor-relevant شرایط و مدت مرتبط با نیروگاه آینده را می‌سنجد؛
• تولید تجاری facility یکپارچه‌ای است که برق قابل استفاده را قانونی و قابل اتکا تحویل دهد.

عبور از هر کلاس شاهد جدید می‌خواهد. milestone آزمایشگاه نباید ادعای کلاس نهایی را به ارث ببرد.

lineage داده discharge را بسازید

داده همجوشی از magnetic probe، flux loop، interferometry، spectroscopy، bolometry، camera، سنجه دما و چگالی، heating، gas injection، coil command، protection event، equilibrium reconstruction و annotation اپراتور می‌آید. calibration، مختصات، نرخ نمونه، clock alignment، دامنه معتبر، preprocessing، missingness، saturation و uncertainty هر channel را ثبت کنید.

شناسه shot تغییرناپذیر باشد و لایه raw، conditioned، reconstructed و model-ready جدا بماند. هر نمونه آموزش را به facility، campaign، configuration ماشین، wall condition، نسخه diagnostic، scenario پلاسما و نسخه code وصل کنید. reconstruction پس از shot یا label اصلاح‌شده نباید به benchmark بلادرنگ تاریخی نشت کند.

در داده cross-machine نگاشت semantic لازم است. signal هم‌نام ممکن است geometry، response، delay یا روش reconstruction متفاوت داشته باشد.

نقش AI را در پشته کنترل جدا کنید

AI نقش‌های متفاوت با ریسک متفاوت دارد:

• state estimation کمیت کند یا غایب در real time را برآورد می‌کند؛
• forecasting ریسک instability یا disruption را در horizon تعریف‌شده می‌دهد؛
• policy learning فرمان actuator برای هدف تعیین‌شده توسط انسان پیشنهاد می‌کند؛
• surrogate model شبیه‌سازی سنگین پلاسما یا مهندسی را تقریب می‌زند؛
• experiment planning تنظیمات ممکن را زیر constraint رتبه می‌دهد؛
• anomaly detection رفتار diagnostic، actuator یا subsystem را پرچم می‌کند.

این نقش‌ها را در «راکتور خودکار» مبهم ادغام نکنید. input-output، update rate، operating domain، رفتار uncertainty و fallback هر جزء را مشخص کنید. برای loop ایمنی شناخته‌شده ممکن است estimation و control کلاسیک انتخاب درست بماند.

آموزش را به فیزیک و limit عملیاتی ببندید

کنترل‌گر یادگرفته‌شده به اندازه objective و environment خود معتبر است. voltage و current actuator، slew rate، delay، noise حسگر، dynamics منبع توان، termination پلاسما، wall clearance و stability margin را وارد کنید. پارامتر فیزیکی نامطمئن را در دامنه دفاع‌پذیر تغییر دهید، نه با noise تصادفی بی‌معنا.

پژوهش تجربی reinforcement learning روی TCV پیش از deployment از simulator، مدل حسگر و actuator، domain variation و termination condition استفاده کرد. این یک آزمایش کنترل است، نه ادعای اینکه RL می‌تواند هر نقطه کار را ایمن کشف کند.

reward function باید توسط فیزیک‌دان پلاسما، مهندس کنترل، اپراتور ماشین و متخصص protection بازبینی شود. جریمه disruption کافی نیست اگر policy برای reward بالاتر وارد رژیم تأییدنشده شود.

از replay تا shot مجاز را مرحله‌بندی کنید

شاهد را لایه‌ای بسازید:

1. preprocessing و معنای signal را unit test کنید؛
2. discharge تاریخی را با علیت زمانی سخت replay کنید؛
3. با baseline فیزیکی و کنترل کلاسیک مقایسه کنید؛
4. calibration drift، dropout، latency، saturation و حالت off-normal را stress کنید؛
5. بیرون توزیع آموزش در simulator با fidelity بالا آزمایش کنید؛
6. روی سخت‌افزار real-time با worst-case latency اندازه‌گیری‌شده اجرا کنید؛
7. در shot عادی shadow mode داشته باشید؛
8. کنترل محدود آزمایشی را با abort مستقل مجاز کنید؛
9. فقط پس از post-shot review دامنه را گسترش دهید.

آزمایش منفی و abortشده را گزارش کنید. انتخاب فقط pulse موفق reliability را باد می‌کند و شرایط مهم را پنهان می‌سازد.

حفاظت ماشین را مستقل نگه دارید

کنترل پژوهشی پلاسما و machine protection اختیار متفاوت دارند. کنترل‌گر یادگرفته‌شده می‌تواند هدف shot را در envelope مصوب دنبال کند. interlock و protection مستقل باید hard constraint را اجرا، mitigation را آغاز، discharge را خاتمه و magnet، vessel، plasma-facing component، heating، cryogenic و انسان را حفاظت کند.

مدل نباید envelope ایمنی خود را بازتعریف، signal حفاظت را خاموش یا deployment خودش را تأیید کند. arbitration فرمان، watchdog، stale input، compute failure، network isolation، manual takeover، safe actuator state و evidence رخداد را مستند کنید.

اپراتور باید فوراً به کنترل‌گر شناخته‌شده برگردد یا shot را متوقف کند. مسیر بحرانی به زمان‌بندی deterministic و مصرف resource bounded نیاز دارد.

پیش‌بینی را به‌عنوان تصمیم عملیاتی ارزیابی کنید

برای disruption یا instability، label رویداد، horizon، حداقل زمان مفید هشدار و action بعدی را تعریف کنید. precision و recall کافی نیست. false alarm در هر pulse، missed event، calibration احتمال، time-to-event، عملکرد هر scenario و هزینه mitigation را بسنجید.

هشداری که پس از پنجره مداخله برسد فایده ندارد. هشدار زیاد shot را هدر، resource mitigation را مصرف و اپراتور را بی‌حس می‌کند. با baseline قفل‌شده مقایسه و روی campaign بعدی، configuration نادیده و condition جدید آزمون کنید.

برای state estimate و controller، physical error، trajectory error، constraint violation، control effort، توزیع latency، recovery و robustness را گزارش کنید؛ نه فقط reward کلی.

پیشرفت پلاسما را به مسئله کامل نیروگاه وصل کنید

برق آینده فراتر از کنترل پلاسما است: material زیر neutron، heat exhaust، breeding و handling تریتیوم، blanket، remote maintenance، availability، fuel cycle، conversion، licensing، waste، supply chain و economics.

شرح مأموریت ITER می‌گوید این دستگاه آزمایشی است و برق تولید نمی‌کند. fusion gain برنامه‌ریزی‌شده آن نسبت توان درون پلاسما است، نه برق خالص grid. نقشه راه Fusion Science and Technology وزارت انرژی آمریکا در ۲۰۲۶ milestoneهای چند حوزه را بیان و زمان را به مشارکت و بودجه آینده مشروط می‌کند.

این boundary را هنگام اتصال همجوشی به آینده انرژی آشکار نگه دارید. مقاله plasma control نباید به‌عنوان forecast بازار برق استفاده شود.

مدل و ادعای علمی را اداره کنید

برای diagnostic، training data، simulation، model code، integration بلادرنگ، shot authorization، machine protection، cybersecurity و publication مالک تعیین کنید. بسته reproducible شامل hash تنظیمات، lineage، operating domain مصوب، benchmark و limitation بخواهید.

dual-use و cyber risk را بررسی کنید. نرم‌افزار کنترل، layout facility، operating data و model ماده ممکن است محدودیت دسترسی یا export داشته باشد. شبکه پژوهش را از protection جدا، artifact مدل را authenticate، release را sign، write path را محدود و تغییر را audit کنید.

ادعای عمومی باید machine، روش، کلاس آزمایش، نتیجه اندازه‌گیری‌شده و limit را نام ببرد. عبارت «حل همجوشی»، «انرژی نامحدود» یا تاریخ تجاری ضمنی بدون شاهد یکپارچه پذیرفتنی نیست.

همان کاری را بسنجید که AI بهتر می‌کند

KPIهای مفید:

• سهم channelهای diagnostic با calibration و lineage جاری؛
• خطا و uncertainty بازسازی به تفکیک regime؛
• recall forecast در horizon قابل اقدام و false alarm در shot؛
• calibration احتمال و عملکرد campaign بعدی؛
• خطای tracking شکل، موقعیت، جریان یا profile؛
• hard constraint و مداخله protection؛
• deadline miss و worst-case inference latency؛
• نرخ recovery یا fallback موفق؛
• shot حفظ‌شده، اطلاعات علمی به‌دست‌آمده و workload اپراتور؛
• reproducibility میان shot تکراری و تیم مستقل؛
• افت transfer بین ماشین‌ها؛
• shot abortشده یا equipment event ناشی از مدل.

plant availability، net electricity، maintenance interval، tritium self-sufficiency و levelized cost به شاهد نیروگاه کامل تعلق دارند. reward پلاسما یا انرژی یک pulse جای آن‌ها نیست.

failure modeهای واقعی را مهار کنید

برای شکست‌های یک demo قانع‌کننده آماده شوید:

• clock drift channelها را misalign می‌کند؛
• reconstruction مورد استفاده به‌عنوان truth پس از آموزش عوض می‌شود؛
• مدل artifact facility یا campaign را یاد می‌گیرد؛
• mismatch simulator در regime جدید ظاهر می‌شود؛
• saturation حسگر شبیه حالت stable است؛
• latency از control interval می‌گذرد؛
• predictor با disruptionهای کم calibrate می‌شود؛
• optimizer از reward ناقص سوءاستفاده می‌کند؛
• wall conditioning یا hardware change توزیع را عوض می‌کند؛
• کنترل‌گر learned با loop کلاسیک درگیر می‌شود؛
• اپراتور arbitration را نمی‌فهمد یا override ندارد؛
• compute failure فرمان actuator را stale می‌گذارد؛
• publication فقط shot موفق را انتخاب می‌کند؛
• milestone پژوهشی به‌صورت برق تجاری نزدیک بازاریابی می‌شود.

برای هرکدام detection، limit مستقل، safe response، role مسئول، capture evidence و آزمون پیش از campaign بعدی تعریف کنید.

rollout را با اختیار آزمایشی پیش ببرید

offline و با task محدود و measurable، diagnostic باکیفیت و baseline تثبیت‌شده شروع کنید. test set زمانی را freeze، failure slice را منتشر و ارزش افزوده زیر latency و noise را نشان دهید.

بعد روی facility هدف shadow mode اجرا کنید. timing، integration، display اپراتور، cyber و divergence با active controller را اعتبارسنجی کنید. مالک ماشین و مسئول protection یک envelope محدود را تصویب کنند.

سپس shot نظارت‌شده با limit محافظه‌کار، fallback فوری و post-shot review انجام دهید. regime را هر بار یک بعد گسترش دهید. transfer به facility دیگر اعتبارسنجی را از نو شروع می‌کند. controller مستقل از مدل، evidence قابل export، محیط نرم‌افزار reproducible و rollback را حفظ کنید.

همان انضباط انرژی در رایانش آگاه از انرژی اینجا هم مهم است: محاسبه زمانی ارزش دارد که فایده علمی اندازه‌گیری‌شده، هزینه سخت‌افزار، عملیات و verification آن را توجیه کند.

یادداشت منابع

وضعیت منابع در ۳۰ ژوئیه ۲۰۲۶ بررسی شد. پژوهش داوری‌شده TCV با عنوان Magnetic control of tokamak plasmas through deep reinforcement learning کنترل تجربی شکل و جریان مشخص را گزارش می‌کند، نه راکتور تجاری. خلاصه DOE درباره اجتناب از tearing instability با RL پژوهش DIII-D و KSTAR را توضیح می‌دهد. رکورد milestoneهای ITER ثبت می‌کند که plasma control system پروژه در مارس ۲۰۲۶ روی KSTAR به‌عنوان آزمون سامانه کار کرد. شرح مأموریت ITER صریح است که ITER برق تولید نمی‌کند و gain پلاسما با برق کل plant فرق دارد. اعلام نقشه راه نهایی Fusion Science and Technology وزارت انرژی در ۲۰۲۶ راهبرد ملی مشروط است؛ شاهد تحقق تولید تجاری نیست.