استخدم باحثون في مختبر بيتسيفيك نورثوست الوطني التابع لوزارة الطاقة الأمريكية الذكاء الاصطناعي لتحسين صيغ الزجاج المستخدمة في تثبيت النفايات المشعة السائلة وتحويلها إلى حالة صلبة. تم نشر نتائج هذه الأبحاث في دورية "جورنال أوف نون-كريستالين صوليدز" في 15 أبريل، حيث مكّن النموذج المدعوم بتعلم الآلة العلماء من زيادة نسبة النفايات المدمجة في كل حاوية زجاجية، مما يقلل من المخاطر التشغيلية ومدة المهمة والتكاليف المرتبطة بها. تعاني مواقع التنظيف النووي، مثل موقع هانفورد، من نفايات معقدة للغاية ناتجة عن إنتاج البلوتونيوم خلال الحرب الباردة ومشروع مانهاتن، وتتكون من عناصر متنوعة يصعب إدارتها. عملية التزجيج، التي تتضمن تسخين النفايات مع مواد كيميائية مضافة إلى حوالي 2100 درجة فهرنهايت وصبها في حاويات فولاذية، تتطلب توازنًا دقيقًا لضمان ثبات الزجاج ومتانته على المدى الطويل. إذا كان الخليط سائلًا جدًا فقد يسبب تآكلًا، وإذا كان لزجًا جدًا قد لا يملأ الحاوية بشكل كامل، مما يجعل التنبؤ بالوصفة المثالية أمرًا بالغ الأهمية. حل العلماء هذه المعضلة باستخدام نموذج ذكاء اصطناعي قام بتحليل عقود من البيانات والقياسات المعقدة لعناصر النفايات في خزان هانفورد، وهو ما يُعد من أكثر مخاليط النفايات تعقيدًا في العالم. بدلاً من الاعتماد على معادلات رياضية تقليدية، تعلم النموذج من أخطائه واختبر آلاف التركيبات المحتملة لاكتشاف "وصفات" جديدة كانت غير ممكنة سابقًا. هذا النهج يسمح بزيادة تحميل النفايات في الزجاج، حيث تشير التقديرات إلى إمكانية زيادة المحتوى بنسبة حوالي 1٪ مقابل كل 20٪ من النفايات المدرجة في الوصفة الحالية. تتراوح النسبة المعتادة للنفايات في مصفوفة الزجاج منخفضة النشاط بين 20٪ و30٪ من الوزن، لكن النموذج الجديد يرفع هذه الكفاءة بشكل ملحوظ. وفقًا للخبراء، فإن تقليل عدد أعمدة الزجاج المطلوبة بنسبة 5٪ فقط سيترتب عليه آثار كبيرة، تشمل تقليل عدد الحاويات المطلوبة، وتقليص البصمة المادية لمحطات التخلص، وتسريع الجدول الزمني للمهمة التي تمتد لعقود. يُعد هذا المشروع جزءًا من "بعثة جينيسيس" التي أعلنت عنها وزارة الطاقة في فبراير، وتستهدف تسريع البحث العلمي باستخدام الذكاء الاصطناعي في 26 تحديًا علميًا وطنيًا، بما في ذلك تحسين عمليات التنظيف النووي. يضم فريق مختبر بيتسيفيك نورثوست خبراء في علم المواد والذكاء الاصطناعي يعملون مع مختبرات وطنية أخرى لتحديد فرص تشغيل الذكاء الاصطناعي وتسريع عمليات التنظيف في المواقع المعقدة. يوضح الباحثون أن هذا العمل يمثل أول تحقق تجريبي لنهج التعلم النشط في تصميم زجاج النفايات، مما يدمج عقودًا من الخبرة في علم الزجاج مع أدوات الذكاء الاصطناعي المتقدمة. تؤكد النتائج أن استخدام هذه التقنيات ليس مجرد تحسين تجريبي، بل هو خطوة عملية نحو تسريع الجدول الزمني لمعالجة النفايات النووية وتقليل تكاليفها النهائية بشكل كبير.