যেহেতু বিশ্ব এখনও পর্যন্ত সবচেয়ে বড় ফিউশন চুল্লি নির্মাণের জন্য অপেক্ষা করছে, যার নাম ITER, একই রকম ডিজাইনের ছোট চুল্লি এখনও চলছে৷ টোকামাক নামক এই চুল্লিগুলি আমাদের হার্ডওয়্যার এবং সফ্টওয়্যার উভয় পরীক্ষা করতে সহায়তা করে। হার্ডওয়্যার পরীক্ষা আমাদেরকে কনটেইনার দেয়ালের জন্য ব্যবহৃত সামগ্রী বা নিয়ন্ত্রণ চুম্বকের আকৃতি এবং অবস্থানের মতো জিনিসগুলিকে পরিমার্জিত করতে সাহায্য করে।
কিন্তু তর্কাতীতভাবে, সফটওয়্যারটি সবচেয়ে গুরুত্বপূর্ণ। ফিউশন সক্ষম করার জন্য, টোকামাকের কন্ট্রোল সফ্টওয়্যারকে এটিতে থাকা প্লাজমার অবস্থা পর্যবেক্ষণ করতে হবে এবং সিস্টেমের চুম্বকগুলিতে রিয়েল-টাইম সামঞ্জস্য করে যে কোনও পরিবর্তনের প্রতিক্রিয়া জানাতে হবে। এটি করতে ব্যর্থতার ফলে শক্তির ড্রপ (যা যেকোন ফিউশনের ব্যর্থতার দিকে পরিচালিত করে) থেকে প্লাজমা কন্টেইনমেন্টের বাইরে (এবং কন্টেইনারের দেয়াল ঝলসে যাওয়া) দেখা পর্যন্ত কিছু হতে পারে।
সেই কন্ট্রোল সফ্টওয়্যারটিকে সঠিকভাবে পাওয়ার জন্য কন্ট্রোল ম্যাগনেট এবং চুম্বক যে প্লাজমা ম্যানিপুলেট করে উভয়েরই বিস্তারিত বোঝার প্রয়োজন। অথবা এটি বলা আরও সঠিক হবে, সেই নিয়ন্ত্রণ সফ্টওয়্যারটি সঠিক হচ্ছে প্রয়োজন আছে. কারণ আজ, গুগলের ডিপমাইন্ড এআই টিম ঘোষণা করছে যে তার সফ্টওয়্যার সফলভাবে একটি টোকামাক নিয়ন্ত্রণ করার জন্য প্রশিক্ষিত হয়েছে।
নিয়ন্ত্রণের বাইরে
টোকামাকের জন্য নিয়ন্ত্রণ সফ্টওয়্যার বিকাশ করা একটি জটিল প্রক্রিয়া। অনুরূপ ডিজাইনের অতীত অভিজ্ঞতার উপর ভিত্তি করে, ইঞ্জিনিয়াররা সফ্টওয়্যারটির কাজ করার জন্য প্রয়োজনীয় কিছু মৌলিক নীতিগুলি বের করতে পারে, যেমন সেন্সর ইনপুটগুলি কী পড়তে হবে এবং কীভাবে সেগুলির পরিবর্তনগুলির প্রতিক্রিয়া জানাতে হবে৷ কিন্তু ব্যবহৃত প্লাজমার হার্ডওয়্যার এবং শক্তির নকশার উপর ভিত্তি করে সর্বদা বিচিত্রতা রয়েছে। সুতরাং, পরিমাপ এবং মডেলিংয়ের একটি পুনরাবৃত্ত প্রক্রিয়া হতে থাকে, তারপরে নিয়ন্ত্রণ প্রক্রিয়ায় টুইকগুলি অনুসরণ করা হয়, সর্বদা কার্যক্ষমতাকে কাছাকাছি বাস্তব সময়ে সামঞ্জস্য করার জন্য পর্যাপ্ত রাখে।
ফলাফল নিয়ন্ত্রণ সফ্টওয়্যার মোটামুটি বিশেষ হতে থাকে. গবেষকরা যদি টোকামাকের প্লাজমার জন্য খুব আলাদা জ্যামিতি নিয়ে পরীক্ষা করতে চান, তবে সফ্টওয়্যারটির একটি উল্লেখযোগ্য সংশোধন প্রয়োজন হতে পারে।
ক্ষেত্রের গবেষকরা ইতিমধ্যেই কৃত্রিম বুদ্ধিমত্তাকে সম্ভাব্য সমাধান হিসেবে চিহ্নিত করেছেন। সঠিক AI পর্যাপ্ত উদাহরণ দিন, এবং এটি নির্ধারণ করতে পারে যে কোন নিয়ন্ত্রণ কনফিগারেশনগুলি প্লাজমাতে পছন্দসই বৈশিষ্ট্যগুলি তৈরি করে। এটি লোকেদের তাদের পছন্দসই শেষ-রাজ্যে ফোকাস করতে মুক্ত করবে এবং তারপরে সফ্টওয়্যারটিকে তাদের জন্য এটি তৈরি করতে দেবে যাতে তারা এটি অধ্যয়ন করতে পারে। একটি এআই আরও নমনীয় হওয়া উচিত; একবার এটি কীভাবে সিস্টেমকে নিয়ন্ত্রণ করতে হয় সে সম্পর্কে প্রশিক্ষিত হয়ে গেলে, এটি পুনরায় প্রোগ্রামিংয়ের প্রয়োজন ছাড়াই অধ্যয়নের জন্য খুব আলাদা প্লাজমা কনফিগারেশন তৈরি করতে সক্ষম হবে।
এই ধারণাটি এগিয়ে যাওয়ার জন্য, আমাদের শুধু এআই বিশেষজ্ঞ এবং একজন টোকামাকের প্রয়োজন। নতুন কাগজের জন্য, AI দলটি Google-এর DeepMind বিভাগ থেকে এসেছে, যা প্রোটিন ভাঁজ করা থেকে StarCraft পর্যন্ত সবকিছু পরিচালনা করতে পারে এমন সফটওয়্যার তৈরির জন্য বিখ্যাত। টোকামক এর সৌজন্যে আসে সুইস প্লাজমা সেন্টার লুসানের ইপিএফএল-এ।
ফিউজ করার জন্য প্রশিক্ষিত
যেহেতু প্রশিক্ষণ প্রক্রিয়া চলাকালীন প্রকৃত হার্ডওয়্যারে AI আলগা করা একটি বিপর্যয় হতে পারে, তাই দলটি সুইস প্লাজমা সেন্টার হার্ডওয়্যারের জন্য নির্দিষ্ট একটি টোকামাক সিমুলেটর দিয়ে শুরু করেছিল। এটি মূলত সঠিক ছিল, এবং তারা AI-তে সীমাবদ্ধতা তৈরি করেছিল যা এটিকে প্লাজমাকে এমন একটি কনফিগারেশনে নির্দেশিত করতে বাধা দেয় যেখানে সিমুলেটরটি ভুল ফলাফল দেয়। ডিপমাইন্ড তখন সিমুলেটর নিয়ন্ত্রণ করতে দিয়ে বিভিন্ন প্লাজমা কনফিগারেশনে পৌঁছানোর জন্য একটি গভীর-শক্তিবৃদ্ধি-লার্নিং প্রোগ্রামকে প্রশিক্ষণ দেয়।
প্রশিক্ষণের সময়, সফ্টওয়্যারের একটি হস্তক্ষেপকারী স্তর একটি পুরষ্কার ফাংশন প্রদান করে যা নির্দেশ করে যে প্লাজমার বৈশিষ্ট্যগুলি পছন্দসই অবস্থার কতটা কাছাকাছি ছিল। আরেকটি অ্যালগরিদম, যাকে “সমালোচক” বলা হয়, টোকামাকের নিয়ন্ত্রণ চুম্বকের বিভিন্ন পরিবর্তনের জন্য প্রত্যাশিত পুরষ্কার শিখেছে। এগুলি প্রকৃত কন্ট্রোল নিউরাল নেটওয়ার্ক দ্বারা ব্যবহার করা হয়েছিল কোন পদক্ষেপগুলি নেওয়া উচিত তা শিখতে।
সমালোচকটি বিস্তৃত এবং গণনামূলকভাবে ব্যয়বহুল ছিল, তবে এটি শুধুমাত্র প্রশিক্ষণের সময় ব্যবহৃত হয়েছিল। যখন প্রশিক্ষণ সম্পন্ন করা হয়, তখন নিয়ন্ত্রণ অ্যালগরিদম শিখেছিল যে বিভিন্ন রাজ্যে পৌঁছানোর জন্য কোন পদক্ষেপ নিতে হবে এবং সমালোচককে বাতিল করা যেতে পারে।
রিয়েল-টাইম পারফরম্যান্সের অনুমতি দেওয়ার জন্য, প্রশিক্ষিত নিয়ামককে এক্সিকিউটেবল হিসাবে বান্ডিল করা হয়েছিল। স্ট্যান্ডার্ড কন্ট্রোল সফ্টওয়্যার টোকামাক সক্রিয় করতে এবং একটি প্লাজমাকে উচ্চ শক্তি পর্যন্ত আনতে ব্যবহার করা হবে। একবার প্লাজমা স্থিতিশীল হয়ে গেলে, এটি এআই-এর কাছে নিয়ন্ত্রণ হস্তান্তর করে।
এটা কাজ করে!
প্রকৃত হার্ডওয়্যারের উপর আলগা সেট করার সময় আপনি এটি করতে চান ফলে সফ্টওয়্যারটি অনেক বেশি পারফর্ম করেছে। সফ্টওয়্যারটি পরীক্ষামূলক রানগুলিকে নিয়ন্ত্রণ করতে পারে যা সময়ের সাথে সাথে বিভিন্ন অবস্থাকে লক্ষ্য করে — একটি পরীক্ষার ক্ষেত্রে, এটি শক্তি বৃদ্ধি করে, প্লাজমাকে স্থিরভাবে ধরে রাখে, তারপরে প্লাজমার জ্যামিতি পরিবর্তন করে, তারপর শক্তিকে নীচে নামানোর আগে টোকামাকের মধ্যে প্লাজমাকে স্থানান্তরিত করে। অন্যটিতে, এটি একই টোকামাকে একই সাথে দুটি পৃথক প্লাজমা কাঠামো ধারণ করে।
এই কাজের বর্ণনাকারী কাগজটিতে লেখকদের প্রয়োজনীয় জিনিসগুলির একটি বড় তালিকা রয়েছে। এই তালিকায় একটি টোকামাক সিমুলেটর রয়েছে যা উভয়ই যথেষ্ট বিশদ ছিল সঠিক হওয়ার জন্য কিন্তু যথেষ্ট কমপ্যাক্ট ছিল যাতে দ্রুত প্রতিক্রিয়া প্রদান করা যায় যাতে শক্তিবৃদ্ধি শেখা সম্ভব হয়। প্রশিক্ষণ সেটে উভয়ই সাধারণ অবস্থা অন্তর্ভুক্ত করতে হয়েছিল যেখানে এটি নিয়ন্ত্রণ করা হয়েছিল এবং অস্বাভাবিক পরিস্থিতি যা এটিকে কীভাবে পরীক্ষামূলক কনফিগারেশনে স্থানান্তর করতে হয় তা শিখতে দেয়। অতিরিক্তভাবে, গবেষকদের এমন সফ্টওয়্যার বিকাশ করতে হবে যা সম্ভাব্য নিয়ন্ত্রণ বিকল্পগুলির একটি বিশাল পরিসরের মূল্যায়ন করার জন্য যথেষ্ট বিস্তারিত ছিল তবে একটি দ্রুত-সম্পাদক নিয়ামককে প্রশিক্ষণ দিতে সক্ষম যা একটি এক্সিকিউটেবলে সংকলিত হতে পারে।
এই কাজের পিছনের লোকেরাও উচ্ছ্বসিত যে এটি ভবিষ্যতের কাজের জন্য কী প্রচার করতে পারে। বিদ্যমান হার্ডওয়্যার মডেলিং করার জন্য জিনিসগুলিকে সীমাবদ্ধ করার পরিবর্তে, তারা পরামর্শ দেয় যে এই সফ্টওয়্যারটির একটি পুনরাবৃত্তি করা একটি পছন্দসই প্লাজমা কনফিগারেশন দেওয়া সম্ভব হওয়া উচিত এবং এটিকে হার্ডওয়্যার জ্যামিতি সনাক্ত করতে দিন যা এটি তৈরি করতে অনুমতি দেবে। বিকল্পভাবে, এটি বিদ্যমান হার্ডওয়্যারের কর্মক্ষমতা অপ্টিমাইজ করতে পারে।
এখন আমাদের শুধু এআই-এর মনোযোগের যোগ্য একটি ফিউশন চুল্লির জন্য অপেক্ষা করতে হবে।
প্রকৃতি, 2022. DOI: 10.1038 / s41586-021-04301-9 (DOI সম্পর্কে)।
