چارچوب هوش مصنوعی پک‌من (PACMAN) به کنترل میلی‌ثانیه‌ای پلاسمای همجوشی دست یافت

پژوهشگران دانشگاه پرینستون و آزمایشگاه فیزیک پلاسمای پرینستون (PPPL) وابسته به وزارت انرژی ایالات متحده، کنترل لحظه‌ای یک رآکتور همجوشی فعال را به یک سیستم هوش مصنوعی سپرده‌اند و اکنون در حال آماده‌سازی برای گسترش این نرم‌افزار در تأسیسات آزمایشی بزرگ‌تر هستند. این چارچوب که با نام پک‌من (PACMAN) شناخته می‌شود، طی آزمایش‌هایی در تأسیسات ملی همجوشی DIII-D در سن دیگو، موفق شد یک اختلال پلاسمایی را ۲۰۰ میلی‌ثانیه پیش از شکل‌گیری پیش‌بینی کرده و از آن جلوگیری کند. این مکانیسم ثابت می‌کند که مدل‌های یادگیری ماشین می‌توانند شرایط شدید همجوشی محصورسازی مغناطیسی را با سرعت‌هایی مدیریت کنند که اپراتورهای انسانی قادر به رقابت با آن نیستند.[1][2][4]

درون یک توکامک، پلاسما باید برای حفظ واکنش همجوشی به‌طور فوق‌العاده‌ای داغ و پایدار بماند. با این حال، ذراتی که از هسته خورشید هم داغ‌تر هستند، می‌توانند در عرض چند هزارم ثانیه از کنترل خارج شوند. آشفتگی‌های کوچک در چند میلی‌ثانیه رشد می‌کنند و ناپایداری‌هایی ایجاد می‌کنند که پلاسما را بسیار سریع‌تر از آنکه نرم‌افزارهای شبیه‌سازی رایج بتوانند پردازش کنند، مختل می‌سازند.[1][2]

برای حل این مشکل زمان‌بندی، تیم پرینستون سیستم PACMAN (مخفف پیش‌بینی و کنترل با استفاده از یادگیری ماشین) را توسعه دادند. این سیستم به عنوان یک حلقه کنترل ماژولار و چهار مرحله‌ای عمل می‌کند. مکانیسم کار به این صورت است که داده‌های تله‌متری توکامک، از جمله دما، چگالی و سیگنال‌های مغناطیسی را به‌طور پیوسته و درنگ‌درنگ دریافت می‌کند. سپس داده‌ها را اعتبارسنجی کرده و آن‌ها را برای پیش‌بینی رفتار به مدل‌های تخصصی یادگیری ماشین می‌فرستد.[1][3][4]

سرعت این سیستم نشان‌دهنده یک تغییر بنیادین در نحوه مدیریت آزمایش‌های همجوشی است. اندی روتشتاین، دانشجوی تحصیلات تکمیلی در دپارتمان مهندسی مکانیک و هوافضای دانشگاه پرینستون، می‌گوید: «یک اپراتور انسانی بسیار متمرکز می‌تواند در مقیاس ثانیه واکنش نشان دهد. اما کل چارچوب پک‌من معمولاً در حدود ۲۰ میلی‌ثانیه اجرا می‌شود و فقط یک بار هم اجرا نمی‌شود؛ بلکه بارها و بارها تکرار می‌گردد. این سیستم می‌تواند اتفاقات کوچک در پلاسما را ببیند و به گونه‌ای تنظیمات را انجام دهد که یک انسان هرگز قادر به انجام آن نخواهد بود.»[1][3]

در طول کمپین‌های آزمایشی سپتامبر ۲۰۲۶، که بر پایه طراحی‌های معماری ارائه‌شده در نوامبر ۲۰۲۵ بنا شده بودند، تیم پرینستون این چارچوب را روی توکامک DIII-D مستقر کرد تا پنج وظیفه مجزای کنترل پلاسما را اجرا کند. پک‌من به جای تکیه بر یک مدل هوش مصنوعی واحد، چندین مدل یادگیری ماشین و کنترل‌کننده را در یک حلقه ادغام می‌کند. یک مرحله خروجی، دستورالعمل‌های متناقض را حل‌وفصل کرده و پیش از ارسال تنظیمات به رآکتور، محدودیت‌های ایمنی سخت‌گیرانه سخت‌افزاری را اعمال می‌کند.[4][5]

یکی از مهم‌ترین آزمایش‌ها شامل جلوگیری از ناپایداری حالت پاره‌شونده (tearing-mode) بود؛ پدیده‌ای که ساختار مغناطیسی محصورکننده پلاسما را مختل می‌کند. کنترل‌کننده‌های مرسوم معمولاً پس از شروع ناپایداری واکنش نشان می‌دهند، که این امر اغلب منجر به افت عملکرد می‌شود، زیرا سیستم باید برای سرکوب آشفتگی تلاش کند.[2][3]

اما پک‌من یک رویکرد پیشگیرانه اتخاذ کرد. هیرو فاره کاگا، یکی از نویسندگان اصلی و دانشجوی تحصیلات تکمیلی در برنامه فیزیک پلاسمای پرینستون، توضیح می‌دهد: «در یکی از آزمایش‌هایی که ارائه می‌دهیم، یک مدل یادگیری ماشین حالت پاره‌شونده را حدود ۲۰۰ میلی‌ثانیه زودتر پیش‌بینی می‌کند، بنابراین می‌توان پلاسما را تغییر داد تا در وهله اول از بروز آن جلوگیری شود.»[1][3]

این چارچوب همچنین به‌طور همزمان هر شش جایروترون (gyrotron) DIII-D — سیستم‌هایی که پلاسما را با پرتوهای قدرتمند مایکروویو گرم می‌کنند — را هدایت کرد تا به اهداف حرارتی پیچیده‌ای که پژوهشگران پیش از شروع آزمایش تعیین کرده بودند، دست یابد. پک‌من توان جایروترون‌ها را تنظیم کرد و در عین حال موقعیت آینه‌های آن‌ها را درنگ‌درنگ تغییر داد. فاره کاگا خاطرنشان کرد: «پیش از این هیچ الگوریتمی برای یافتن آن راه‌حل بهینه وجود نداشت.»[1][3]

از آنجا که پک‌من بر رابط‌های داده استاندارد و ماژول‌های الگوریتمی مستقل تکیه دارد، اجزای منفرد هوش مصنوعی می‌توانند بدون ایجاد اختلال در سیستم گسترده‌تر، اضافه، به‌روزرسانی یا جایگزین شوند. پژوهشگران به کاهش چشمگیر زمان توسعه برای مدل‌های بعدی اشاره کردند، به طوری که چرخه‌های تکرار از چند ماه به چند روز کاهش یافته است. طراحی سیستم و نتایج اولیه آزمایش‌ها در مجله Nuclear Fusion به تفصیل شرح داده شده است.[4][5]

با فشرده‌سازی زمان‌بندی کنترل به مقیاس میلی‌ثانیه و در عین حال حفظ پروتکل‌های ایمنی با حضور انسان در حلقه (human-in-the-loop)، پک‌من استاندارد عملیاتی جدیدی برای همجوشی محصورسازی مغناطیسی ایجاد می‌کند. این چارچوب یک پایه نرم‌افزاری قابل استفاده مجدد فراهم می‌کند که تیم پژوهشی قصد دارد آن را از DIII-D به دستگاه‌های توکامک در اندازه‌ها و پیکربندی‌های مختلف گسترش دهد و بدین ترتیب، یک مانع فنی بزرگ در مسیر دستیابی به انرژی همجوشی از نظر تجاری مقرون‌به‌صرفه را برطرف سازد.[1][4]