اتحاد ابررایانه‌های بریتانیا و آمریکا برای تسریع طراحی نیروگاه‌های گداخت هسته‌ای

تصور کنید مهندسی پیچیده‌ترین ماشین تاریخ بشر را با یک کپی مجازی دقیق پیش از ساخت واقعی آزمایش کنید. این همان استراتژی جدیدی است که بریتانیا و آمریکا برای حل یکی از سخت‌ترین چالش‌های مهندسی تاریخ، یعنی طراحی نیروگاه گداخت هسته‌ای، به کار گرفته‌اند. در حالی که طراحی یک نیروگاه گداخت همچنان یکی از دشوارترین مسائل مهندسی در تاریخ بشر باقی مانده است، سازمان انرژی اتمی بریتانیا (UKAEA) و آزمایشگاه فیزیک پلاسما پرینستون (PPPL) وابسته به وزارت انرژی ایالات متحده، اکنون در حال ادغام توانمندی‌های محاسباتی خود برای حل این معما هستند.

طبق اعلام رسمی در ۱۴ سپتامبر ۲۰۲۶، این دو سازمان تفاهم‌نامه‌ای را برای ایجاد «فدراسیون SUNRISE–STELLAR-AI» امضا کردند. این بیانیه مشترک در جریان اجلاس جهانی سیاست‌های گداخت در «منشن هاوس» لندن به امضا رسید. محور اصلی این اجلاس بر افزایش هماهنگی‌های نظارتی متمرکز بود؛ موضوعی که در متن اعلامیه به عنوان عاملی حیاتی برای دستیابی به انرژی گداخت ایمن و مطمئن و در عین حال ایجاد قطعیت و اطمینان برای توسعه‌دهندگان و سرمایه‌گذاران توصیف شده است. UKAEA و PPPL به عنوان آزمایشگاه‌های ملی پیشرو در کشورهای خود، اقیانوس اطلس را نه به عنوان یک مانع، بلکه به عنوان پلی برای اکتشافات علمی می‌بینند.

انرژی گداخت برای بسیاری یک رویای دوردست است، اما رقابت برای تجاری‌سازی آن اکنون از فیزیک محض به یک چالش داده‌محور و محاسباتی تبدیل شده است. برای ساخت یک نیروگاه پایدار، دانشمندان باید رفتار پلاسما را با دقت میلی‌متری پیش‌بینی کنند. همان‌طور که در تحلیل‌های پیشین ما درباره‌ی زیرساخت‌های محاسباتی مدل‌های بنیادی اشاره کردیم، هیچ کشوری به تنهایی داده‌های باکیفیت کافی برای آموزش این مدل‌ها در انزوا را ندارد. این نیاز به زیرساخت‌های مستقل، یادآور تلاش‌های مشابه در اروپا برای توسعه هوش مصنوعی حاکمیتی است تا وابستگی به مدل‌های خارجی کاهش یابد.

موتور محاسباتی

این فدراسیون دو پلتفرم محاسباتی پیشرفته و خاص را به هم متصل می‌کند تا پژوهشگران بتوانند مدل‌های هوش مصنوعی زاینده (Generative AI) — شبیه به هنرمندی که با یادگیری الگوهای قبلی، آثار جدید و دقیقی خلق می‌کند — را روی نتایج هر دو آزمایشگاه ملی آموزش دهند:

• SUNRISE: نخستین ابررایانه هوش مصنوعی بریتانیا که به طور اختصاصی برای گداخت طراحی شده و با بودجه ۴۵ میلیون پوندی دولت پشتیبانی می‌شود. این سیستم به عنوان فاز اول زیرساخت‌های محاسباتی برای نخستین «منطقه رشد هوش مصنوعی» (AI Growth Zone) بریتانیا در پردیس کالهم (Culham Campus) عمل می‌کند.
• STELLAR-AI: پلتفرم هوش مصنوعی و محاسبات سریع PPPL که با حمایت و همکاری دانشگاه پرینستون اداره می‌شود.

به نقل از اعلامیه UKAEA، هدف این است که این دو ماشین مجزا به یک «موتور واحد برای اکتشافات گداخت» تبدیل شوند. این یکپارچگی به محققان اجازه می‌دهد تا بسته به نوع مسئله‌ای که در حال حل آن هستند، پردازش‌های محاسباتی خود را به طور روان بین سخت‌افزارهای مختلف جابه‌جا کنند. از آنجا که مدل‌های هوش مصنوعی برای ارائه پیش‌بینی‌های دقیق به حجم عظیمی از داده‌های باکیفیت نیاز دارند، هر دو ابررایانه پیشرفته برای آموزش مدل‌های یکسانی به کار گرفته خواهند شد. این تحول در سخت‌افزارها با روند ساخت XPUهای اختصاصی همسو است که هدفشان بهینه‌سازی تراشه‌ها برای پردازش‌های سنگین هوش مصنوعی است.

هم‌افزایی داده‌ها و توکامک‌های کروی

تمرکز این همکاری روی داده‌های حاصل از دو دستگاه مشابه است: MAST Upgrade در آکسفوردشر بریتانیا و NSTX-U در نیوجرسی آمریکا. هر دو دستگاه از نوع توکامک‌های کروی فشرده با طراحی‌های مشابه هستند که آن‌ها را برای آموزش مشترک هوش مصنوعی بسیار مناسب می‌سازد.

مدل‌هایی که روی یک ماشین واحد آموزش می‌بینند، معمولاً هنگام اعمال روی ماشین‌های دیگر شکست می‌خورند. اما با ترکیب مجموعه‌داده‌های هر دو مرکز، شرکای این پروژه می‌توانند مدل‌های یادگیری ماشینی توسعه دهند که فیزیک زیربنایی را با دقت بسیار بیشتری ثبت و درک می‌کنند. این امر برای شتاب بخشیدن به پروژه‌های آینده حیاتی است، از جمله:

• STEP Fusion: توکامک کروی بریتانیا برای تولید انرژی.
• STAR: مفهوم رآکتور پیشرفته توکامک کروی (Spherical Tokamak Advanced Reactor) در ایالات متحده.

نقش دوقلوهای دیجیتال

یکی از بلندپروازانه‌ترین اهداف این فدراسیون، خلق «دوقلوهای دیجیتال» (Digital Twins) است. دوقلوی دیجیتال — مثل یک مدل معماری سه‌بعدی که دقیقاً با رفتار واقعی ساختمان در برابر باد و زلزله هماهنگ است — کپی‌های مجازی و بسیار مفصلی از ماشین‌های گداخت واقعی هستند که توسط داده‌های منظم حاصل از آزمایش‌های گداخت پشتیبانی می‌شوند.

راب آکرز، مدیر برنامه‌های محاسباتی و عضو ارشد UKAEA، توضیح داد که شرکا از شبیه‌سازی برای پر کردن شکاف‌های موجود در داده‌های تجربی استفاده خواهند کرد و این مجموعه‌داده‌ها را به رژیم‌های عملیاتی گسترش می‌دهند که هنوز تجربه نشده‌اند. این قابلیت به مهندسان اجازه می‌دهد تا تغییرات در نرم‌افزار را تست کرده و رفتار ماشین را پیش از اعمال آزمایش‌ها روی سخت‌افزار واقعی پیش‌بینی کنند؛ امری که منجر به تولید مدل‌هایی می‌شود که پیش‌بین‌تر و برای مهندسان گداخت کاربردی‌تر هستند.

دیدگاه‌های کارشناسی

جو میلنز، مدیر اجرایی مهندسی و محاسبات در UKAEA، خاطرنشان کرد که مقیاس چالش گداخت نیازمند این نوع مشارکت‌های بین‌المللی است. او بیان کرد که ایالات متحده و بریتانیا دو رهبر جهانی در تحقیقات گداخت هستند و فدراسیون این پلتفرم‌ها، بر پایه تاریخچه طولانی همکاری‌های ترانس‌اتلانتیک (میان دو سوی اقیانوس اطلس) بنا شده است.

جاناتان منارد، دانشمند ارشد PPPL، یک نیروگاه گداخت را به عنوان یکی از پیچیده‌ترین ماشین‌هایی توصیف کرد که بشریت برای ساخت آن تلاش کرده است و افزود که هیچ آزمایشگاه یا کشور واحدی نمی‌تواند به تنهایی یکی از آن‌ها را طراحی کند. او اشاره کرد که این فدراسیون به شرکا اجازه می‌دهد ایده‌های خود را در دو مورد از توانمندترین سیستم‌های محاسباتی جهان که مخصوص تحقیقات گداخت طراحی شده‌اند، آزمایش کنند.

شانتنو جها از PPPL نیز بر هدف فنی این همکاری تأکید کرد: اجازه دادن به مدل‌ها و آزمایش‌ها برای جابه‌جایی آزادانه بین دو سیستم به منظور تسریع مسیر رسیدن به یک رآکتور فشرده.

بنیاد استراتژیک

این توافق در واقع تکمیلی بر تفاهم‌نامه ۲۵ ژوئن ۲۰۲۶ است. آن چارچوب اولیه، بنیادی را برای کارهای مشترک ایجاد کرده بود که شامل موارد زیر است:

• تبادل متقابل کارکنان و دسترسی به تأسیسات پژوهشی بزرگ.
• همکاری در زمینه تشخیص‌های ITER و برنامه‌های محاسباتی پیشرفته.
• تبادل اطلاعات آکادمیک و اجرای پروژه‌های مشترک.

این توافق ژوئن در پی سخنرانی اعلی‌حضرت پادشاه بریتانیا در نشست مشترک کنگره در واشینگتن دی.سی صورت گرفت که در آن بر مشارکت‌های جدید بریتانیا و آمریکا در زمینه انرژی گداخت تأکید شده بود. تمرکز اصلی همچنان بر پیشبرد مبانی فیزیکی و فناوری برای نیروگاه‌های آینده است. در همین راستا، نوآوری در ذخیره‌سازی انرژی برای مدیریت بارهای سنگین محاسباتی، مشابه آنچه در سیستم‌های ذخیره‌ساز نمک مذاب TerraPower برای مراکز داده AI دیده می‌شود، می‌تواند در آینده برای پایداری شبکه نیروگاه‌های گداخت کلیدی باشد.

برای جامعه تجاری و سرمایه‌گذاری، این اقدام سیگنالی از تغییر رویکرد به سمت توسعه استاندارد و مبتنی بر هوش مصنوعی است. این اتحاد ریسک توسعه را برای سازندگان کاهش می‌دهد، زیرا یک قابلیت هوش مصنوعی مشترک و پیشرو در سطح ترانس‌اتلانتیک فراهم می‌کند و روی افراد و مهارت‌های مورد نیاز برای آینده سرمایه‌گذاری می‌کند. این فدراسیون قصد دارد نسل بعدی متخصصان را از طریق کارگاه‌ها، دوره‌های آموزشی و فرصت‌های پژوهشی پرورش دهد.

این موضوع دیگر صرفاً یک کنجکاوی آکادمیک نیست؛ بلکه سرمایه‌گذاری در مهارت‌های انسانی و زیرساخت‌های دیجیتالی است که برای تبدیل گداخت به بخشی کاربردی از شبکه انرژی جهانی مورد نیاز است.

منتظر نخستین نتایج شبیه‌سازی‌های دوقلوی دیجیتال باشید، زیرا همین نتایج تعیین خواهند کرد که آیا هوش مصنوعی واقعاً می‌تواند ناپایداری‌های پلاسما را پیش از وقوع در یک رآکتور فیزیکی پیش‌بینی کند یا خیر.

منتظر نخستین نتایج شبیه‌سازی‌های دوقلوی دیجیتال باشید، زیرا همین نتایج تعیین خواهند کرد که آیا هوش مصنوعی واقعاً می‌تواند ناپایداری‌های پلاسما را پیش از وقوع در یک رآکتور فیزیکی پیش‌بینی کند یا خیر.

گام بعدی شما

• نتایج نخستین شبیه‌سازی‌های دوقلوی دیجیتال را دنبال کنید تا ببینید آیا AI واقعاً می‌تواند ناپایداری‌های پلاسما را پیش‌بینی کند.
• گزارش‌های مربوط به پیشرفت پروژه STEP Fusion را برای درک زمان‌بندی تجاری‌سازی گداخت بررسی کنید.
• مدل‌های یادگیری ماشین در فیزیک پلاسما را به عنوان یک حوزه جدید برای متخصصان داده دنبال کنید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های تخصصی برای شبیه‌سازی‌های علمی مراجعه کنید.