أُعلنت مؤخرًا عن إطلاق توكاميد (TokaMind)، النموذج الأول من نوعه والمفتوح المصدر المخصص لديناميات بلازما التوكماك، والذي يعتمد على تكنولوجيا التحويل متعدد الأنماط (Multi-Modal Transformer). تم تدريبه على بيانات متنوعة من مجموعة بيانات MAST العامة، مما يجعله أداة فعالة وجديدة في هذا المجال.

تتسم توكاميد بدعمها لعدة أنماط بيانات، بما في ذلك السلاسل الزمنية، والملفات الثنائية الأبعاد، والفيديوهات، مع إمكانية معالجة إشارة مفقودة بشكل مرن، مما يجعلها مثالية لمختلف التطبيقات. يشمل تصميم النموذج أربعة مكونات، يمكن تحميلها وتجميدها بشكل انتقائي لتحقيق تكيف فعال مع المهام المختلفة.

لتمثيل الإشارات المتعددة الأنماط، تم استخدام تحويل جيب التمام القابل للتفكيك (Discrete Cosine Transform - DCT3D) كطريقة خفيفة الوزن، مع توفير واجهة نظيفة لتضمين بدائل أخرى مثل التشفير التوزيعي (Variational Autoencoders).

عند تقييم توكاميد باستخدام معيار TokaMark، الذي يتضمن 14 مهمة مختلفة تتعلق بإعادة البناء والتنبؤ، أظهرت النتائج تفوق توكاميد المنقح على كافة المهام باستثناء واحدة. وكانت مزايا التكيف الدافئ المطبق على المهام ذات التعقيد العالي، مثل التنبؤات طويلة الأجل والأهداف ذات الأبعاد العالية، أكثر وضوحًا عند مقارنة مع التدريب من الصفر.

تسلط هذه النتائج الضوء على قيمة ما قبل التدريب متعدد الأنماط لديناميات بلازما التوكماك، كما تقدم قاعدة متينة وقابلة للتوسع لمهام النمذجة المستقبلية في مجال الاندماج. يمكن العثور على تعليمات التدريب ووزن النموذج عبر الروابط على GitHub وHugging Face.