تشهد مجالات الفيزياء والتكنولوجيا تقدمًا ملحوظًا بفضل التطبيقات المتقدمة للذكاء الاصطناعي. في هذا السياق، طور فريق من الباحثين إطار عمل لشبكة عصبية مستنيرة بالفيزياء (Physics-Informed Neural Network - PINN) لاستنتاج موصلية الحرارة العمودية في الطبقة الخارجية المعروفة بالـ (Scrape-Off Layer - SOL) لأجهزة الـ Stellarator.

باستخدام بيانات تجريبية لجزيئات البلازما، تمكنت هذه الشبكات العصبية من دمج قياسات كثافة الإلكترونات ودرجة الحرارة مع المعادلات الناتجة عن نموذج نقل مُبسط. يتيح هذا النظام الحصول على قياسات دقيقة لموصلية الحرارة، حيث تم تدريب ثلاثة شبكات عصبية في نفس الوقت. حيث تعمل اثنتين منهما على إعادة بناء ملفات درجة الحرارة والكثافة، بينما تُعنى الشبكة الثالثة بتمثيل الموصلية الفعالة.

خضع النموذج لاختبار شامل باستخدام بيانات اصطناعية تحدثت عن وظيفة موصلية محددة مسبقًا. الأرقام أظهرت دقة عالية، حيث انخفضت الأخطاء إلى أقل من 10% في المناطق المربوطة بالبيانات. كما تم استخدام تقنية إعادة أخذ العينات (Bootstrap) لتوفير مؤشر موثوقيته ودقته.

لسنا بعيدين عن تطبيق هذه الطريقة المثيرة على مجموعة بيانات تجريبية حقيقية من جهاز TJ-II Stellarator، مما يتيح للباحثين تقدير الموصلية الفعالة على نحو أولي، وبالتالي تبين قدرة الأساليب العكسية القائمة على الشبكات العصبية في استخراج معلومات حيوية عن البلازما.

تفتح هذه النتائج آفاقاً جديدة في مجالات البحث والتطوير في عمليات نقل الطاقة في البلازما، مما يعد بحدوث قفزات نوعية في فهم البيئة الساخنة لأجهزة الـ Stellarator. كيف ترى هذا التطور في أبحاث البلازما؟ شاركونا في التعليقات.