أظهرت دراسة جديدة ناتجة عن شراكة بين القطاعين العام والخاص بين شركة Commonwealth Fusion Systems (CFS) وملحقة بحوث البلازما في برينستون (PPPL) وLaboratory Oak Ridge National، تقدماً مهماً في استخدام الذكاء الاصطناعي لتحديد مناطق آمنة داخل مفاعل الاندماج النووي. وتم تطوير نظام يُدعى HEAT-ML، وهو نموذج ذكاء اصطناعي يُسرّع بشكل كبير عملية تحديد ما يُعرف بـ"الظلال المغناطيسية" – أي المناطق داخل المفاعل التي تُحمى من الحرارة الشديدة الناتجة عن البلازما. تُعد هذه المناطق حيوية لأن البلازما في المفاعلات من نوع التوكاماك تصل إلى درجات حرارة تفوق حرارة نواة الشمس، مما يشكل تهديداً كبيراً لقطع المفاعل التي تلامسها. في حال حدوث احتكاك مباشر، قد تتلف المكونات أو يتوقف التشغيل فجأة، ما يعرقل تقدم المشاريع التكنولوجية. تم تطوير HEAT-ML خصيصاً لمحاكاة جزء حاسم من مفاعل SPARC، الذي تبنيه CFS حالياً في ماساتشوستس، ويُتوقع أن يحقق "ربح طاقوي" (إنتاج طاقة أكثر من المستهلكة) بحلول 2027. وتركز المحاكاة على 15 لوحة في الجزء السفلي من نظام التصريف الحراري، حيث تتجمع أقصى درجات الحرارة الناتجة عن البلازما. في الماضي، كانت عملية حساب "أقنعة الظل" – وهي خرائط ثلاثية الأبعاد تُظهر المناطق المحمية – تعتمد على برنامج مفتوح المصدر يُسمى HEAT، الذي يتطلب حتى 30 دقيقة لمحاكاة واحدة، وأحياناً أكثر في الحالات المعقدة. لكن HEAT-ML استخدم شبكة عصبية عميقة (Deep Neural Network) تم تدريبها على نحو 1000 محاكاة سابقة من HEAT، ما سمح له بحساب نفس النتائج في بضع مللي ثوانٍ فقط. النظام يحلل خطوط المجال المغناطيسي من سطح المكونات، ويحدد ما إذا كانت هذه الخطوط تتقاطع مع أجزاء أخرى داخل المفاعل، فيُعتبر المجال المقابل "مظللاً" ويُسجل كمنطقة آمنة. هذا التسارع يفتح آفاقاً لتحسين تصميم المفاعلات المستقبلية، واتخاذ قرارات فورية أثناء التشغيل لتجنب الأعطال. يُذكر أن HEAT-ML حالياً مخصص لتصميم SPARC، لكن الفريق يخطط لتوسيع نطاقه ليشمل أنظمة تصريف حراري بأحجام وأشكال مختلفة، بالإضافة إلى أجزاء أخرى من المفاعل المواجهة للبلازما. المشروع دعمته وزارة الطاقة الأمريكية عبر عقود مدعومة من CFS، ويُعد نموذجاً ناجحاً للشراكة بين القطاعين العام والخاص في تطوير تقنيات الطاقة النظيفة.