PACMAN: Füzyon Plazmasını İnsan Beyninin Yanıt Sürecinden 1000 Kat Daha Hızlı Kontrol Eden Yapay Zeka Altyapısı Nasıl Çalışıyor?

Füzyon enerjisi, insanlığın neredeyse sınırsız temiz elektrik kaynağı olma potansiyeline sahip olsa da, bu potansiyeli gerçekliğe dönüştüren en kritik engel plazmanın milisaniyelik kararlılık penceresidir. Bir füzyon reaktöründe parçacıklar güneş çekirdeğinden daha sıcak hale gelirken, sistem sadece birkaç binde bir saniye içinde kararsızlığa uğrayabiliyor. Bu hızda insan operatör müdahale edemez. Princeton Üniversitesi ve ABD Enerji Bakanlığı’nın Princeton Plasma Physics Laboratory (PPPL) ekibi, bu soruna yönelik PACMAN adında yeni bir yazılım çerçevesi geliştirdi. Yapay zeka destekli bu sistem, fizikçilerin belirlediği hedefleri koruyarak milisaniyeler içinde karar alabiliyor.

Teknik Arka Plan ve Temel Sebepler

Füzyon, atom çekirdeklerinin birleşerek devasa miktarda enerji salması prensibine dayanır. Tokamak adı verilen cihazlar, güçlü manyetik alanlarla plazayı — elektrik yüklü gazın dördüncü hâli olarak da adlandırılan madde biçimini — reaktör duvarlarıyla temas etmeden tutarlı bir şekilde hapseder. Füzyonun sürdürülebilir olması için plazmanın sıcak, yoğun ve kararlı kalması gerekir; buna ulaşmak ısıtma ekipmanları, mıknatıslar ve gaz enjektörleri gibi sistemlere sık sık müdahale gerektirir.

Kritik zorluk milisaniyelik zaman ölçeğindedir. Plazmada ortaya çıkan küçük bozukluklar — terimle ifade edersek “kararsızlıklar” (instabilities) — milisaniyeler içinde büyüyebilir ve füzyon reaksiyonunu bozabilir. Öte yandan plazma davranışını açıklayan gelişmiş bilgisayar simülasyonları, bir deneyi planlamak için harika olsa da gerçek zamanlı kontrol için çok yavaştır; bu tür hesaplamalar bazen günler ya da aylar sürebilir.

Bu nedenle ekibin yaklaşımı, fiziksel donanımın kendisini değil, onu yöneten karar verme katmanını yeniden tasarlamaktı. Co-yazarlardan Hiro Farre Kaga’nın ifadesiyle: “Bir sonraki deney için bir yıl içinde hazırlanmak harika ama kontrol için milisaniyelik zaman ölçeğinde karar veren modeller gerekiyor.” Makine öğrenimi modellerinin plazma davranışını bu kadar hızlı biçimde betimleyebilmesi, kontrolün tek mümkün yolu olarak öne çıkıyor.

Karşılaştırma ve Donanım Parametreleri

PACMAN’ın başarısının merkezinde, insan operatör ile yapay zeka çerçevesi arasındaki tepki süresindeki uçurum yer alıyor. İnsan bir operatörün odaklı müdahalesi saniyeler düzeyindeyken, PACMAN çerçevesinin tipik çalışma süresi yaklaşık 20 milisaniye ve bu döngü tek seferde değil, tekrar tekrar çalışıyor. Aşağıda sistemin mimari katmanları ile insan operatörü arasındaki performans farkı özetlenmiştir.

Çözüm Adımları ve Teknik Analiz

PACMAN, bir montaj hattındaki dört istasyonu andıran modüler bir akışla çalışır. İlk istasyonda sistem tokamaktan canlı ölçümleri toplar; sıcaklık, yoğunluk ve manyetik sinyaller dahil olmak üzere bu veriler hata kontrolünden geçirilip tek bir pakete dönüştürülür.

İkinci aşamada makine öğrenimi modelleri, ihtiyaç duydukları ölçümleri seçer ve plazmanın şu an ne yaptığını ya da önümüzde ne yapabileceğini tahmin eder. Üçüncü istasyonda kontrolcüler bu tahminlere dayanarak gerekli müdahaleleri belirler — örneğin bir ısıtma ışınının gücünü artırma kararı verebilir.

Son aşamada PACMAN, kontrolcülerden gelen çakışan talimatları çözer, katı donanım güvenlik sınırlarını uygular ve onaylanan komutları tokamaka gönderir. Modellerin ve kontrolcülerin bağımsız çalışması sayesinde bilim insanları çerçeve içinde yeni bileşenler ekleyebilir ya da değiştirebilir.

DIII-D Ulusal Füzyon Tesisi’nde gerçekleştirilen beş deneyde PACMAN esnekliğini kanıtladı. Bunlar arasında makine öğrenimi modeliyle güçlendirilmiş öğrenme (reinforcement learning) yaklaşımıyla ısıtma sistemlerinin tam kontrolü, plazmanın kenarından gelen ani enerji patlamalarının tahmini ve hızlı parçacıklar tarafından sürüklenen dalgaların tespit edilip kontrol edilmesi yer aldı. Altı jirotronu aynı anda koordine etme başarısı da dikkat çekiciydi: araştırmacıların önceden belirlediği karmaşık hedeflere ulaşmak için jirotronların gücü ayarlanırken yansılarının konumu da gerçek zamanlı biçimde yeniden konumlandırılıyordu.

En çarpıcı avantajlardan biri tearing mode (ayırma modu) deneyiydi. Geleneksel kontrolcüler bu kararsızlığın başlamasına kadar onu tespit edemez; müdahale ettiklerinde ise ciddi performans kayıplarıyla karşılaşabilirler. PACMAN’da makine öğrenimi modeli tearing mode’u yaklaşık 200 milisaniye öncesinde tahmin ederek plazmanın değiştirilmesini sağlıyor — böylece kararsızlık hiç oluşmuyor.

Ekip, çerçevenin insanları füzyon deneylerinden çıkarmayı amaçlamadığını vurguluyor. PACMAN, bir yapay zeka modeli ne önerse önerse donanım güvenlik sınırlarını zorlamaz; her deney sonrası fizikçiler sonuçları inceler ve kontrolcileri bir sonraki test için rafine eder.

Kolemen’in belirttiği modüler yapı, PACMAN’ı tek seferlik göstermelere değil, tüm füzyon topluluğunun üzerine inşa edebileceği altyapıya dönüştürüyor. Bu esneklik sayesinde henüz tasarlanmamış bile yeni nesil füzyon makinelerine uyarlanabilir.

Sıkça Sorulan Sorular

Soru: PACMAN insan operatörü tamamen değiştiriyor mu?

Cevap: Hayır. Çerçeve, fizikçilerin belirlediği hedefleri korur ve her karar aşamasında katı donanım güvenlik sınırlarını uygular. Son parametreleri yine insan operatör belirler; PACMAN bu çerçevede hızlıca karar alır.

Soru: PACMAN neden insanlardan 1000 kat daha hızlı?

Cevap: İnsan tepkisi saniyeler düzeyindeyken, PACMAN’ın kontrol döngüsü yaklaşık 20 milisaniyede tamamlanır ve bu döngü kesintisiz tekrarlanır. Milisaniyelik zaman ölçeğinde plazmayı betimleyen makine öğrenimi modelleri bu hızı sağlar.

Soru: Tearing mode tahmini neden önemli?

Cevap: Geleneksel kontrolcüler kararsızlığın başlamasına kadar onu göremez ve müdahalede performans kaybına uğrar. PACMAN ise olayı yaklaşık 200 milisaniye öncesinde tahmin ederek kararsızlığın hiç oluşmasını engeller.

Soru: PACMAN başka füzyon makinelerine uyarlanabilir mi?

Cevap: Evet. Modüler mimarisi sayesinde farklı şekil, boyut ve enstrümanlara sahip tokamaklara — hatta henüz tasarlanmamış yeni nesil makinelere de uyarlanabilir.

Önemli Teknik Kavramlar

Tokamak: Füzyon reaktörünün temel türünden biri; güçlü manyetik alanlarla plazayı duvarlardan izole ederek kararlı bir şekilde hapseden silindirik ya da halkasal bir cihazdır.

Kararsızlık (Instability): Plazmada sıcak, yoğun ve kararlı hâlinin bozulmasıyla ortaya çıkan, milisaniyeler içinde büyüyebilen ve füzyon reaksiyonunu tehdit eden fiziksel olaylardır.

Güçlendirilmiş Öğrenme (Reinforcement Learning): Sistemin deneyimle ödül-ceza döngüsünden öğrenmesini sağlayan makine öğrenimi yaklaşımı; PACMAN’da ısıtma sistemlerinin tam kontrolünü mümkün kılar.

Jirotron: Güçlü mikrodalga ışınlarıyla plazmayı yüksek sıcaklığa çıkaran, füzyon reaktörlerinde kullanılan yüksek frekanslı kombine edilmiş vakum tüpleridir; DIII-D’de altı adet aynı anda koordine edilebilir.