Princeton University और अमेरिकी ऊर्जा विभाग की Princeton Plasma Physics Laboratory (PPPL) की टीम ने PACMAN नाम का एक AI framework विकसित किया है, जो fusion system में प्लाज्मा की स्थिति का आकलन कर लगभग 20 मिलीसेकंड में नियंत्रण संबंधी फैसले ले सकता है. शोधकर्ताओं के अनुसार, इस framework का परीक्षण वास्तविक fusion system पर पांच अलग-अलग प्रयोगों में किया गया है.
PACMAN का पूरा नाम Prediction And Control using MAchiNe learning है. इसका उद्देश्य ऐसे तेज बदलावों पर प्रतिक्रिया देना है, जिन्हें इंसानी ऑपरेटर सामान्यतः सेकंड के स्तर पर ही संभाल सकते हैं. टीम के मुताबिक, framework लगातार चलने वाले control loop के रूप में काम करता है, यानी यह केवल एक बार फैसला नहीं लेता, बल्कि प्लाज्मा में हो रहे छोटे बदलावों को देखकर बार-बार नियंत्रण निर्देशों को अपडेट करता है.
चार चरणों में काम करता है framework
PACMAN सबसे पहले tokamak से real-time measurements जुटाता है. इनमें तापमान, घनत्व और magnetic signals जैसे आंकड़े शामिल होते हैं. इसके बाद system इन मापों में संभावित त्रुटियों की जांच कर उन्हें एक साझा data package में व्यवस्थित करता है.
तीसरे चरण में अलग-अलग machine learning models अपने लिए जरूरी measurements का विश्लेषण करते हैं. ये models प्लाज्मा की मौजूदा स्थिति और उसके संभावित अगले व्यवहार का अनुमान लगाते हैं. इन अनुमानों के आधार पर controllers नियंत्रण संबंधी आदेश तैयार करते हैं, जैसे heating beam की ताकत बढ़ाना.
अंतिम चरण में PACMAN अलग-अलग controllers से आने वाले निर्देशों के बीच टकराव को सुलझाता है. यही हिस्सा hardware safety limits लागू करता है और उसके बाद tokamak को आदेश भेजता है. इस डिजाइन में AI को तेज फैसले लेने की भूमिका दी गई है, लेकिन वह निर्धारित सुरक्षा सीमाओं से बाहर जाकर system को नियंत्रित नहीं कर सकता.
इंसान लक्ष्य तय करते हैं, AI तेज प्रतिक्रिया देता है
शोधकर्ताओं ने framework को इस तरह तैयार किया है कि मशीन learning models प्लाज्मा के व्यवहार को milliseconds के समय-मान पर model कर सकें. टीम के अनुसार, focused human operator की प्रतिक्रिया आम तौर पर सेकंड के स्तर पर होती है, जबकि PACMAN करीब 20 मिलीसेकंड में अपना control cycle पूरा कर सकता है.
इसका अर्थ यह नहीं है कि fusion experiment का पूरा नियंत्रण AI को सौंप दिया गया है. उपलब्ध विवरण के अनुसार, इंसान अभी भी प्रयोग के लक्ष्य तय करते हैं और system की सुरक्षा सीमाएं निर्धारित करते हैं. AI का काम उन लक्ष्यों के भीतर रहकर तेजी से नियंत्रण विकल्पों का मूल्यांकन और क्रियान्वयन करना है.
फ्यूजन अनुसंधान के लिए क्यों अहम है
Fusion experiments में बेहद गर्म प्लाज्मा को नियंत्रित अवस्था में बनाए रखना चुनौतीपूर्ण होता है. प्लाज्मा के तापमान, घनत्व या magnetic conditions में तेज बदलाव instability पैदा कर सकते हैं. ऐसे समय में नियंत्रण system को तुरंत यह तय करना पड़ता है कि heating, magnetic configuration या दूसरे operational parameters में क्या बदलाव किया जाए.
PACMAN जैसी प्रणाली का संभावित लाभ यह है कि यह अलग-अलग machine learning models और controllers को एक ही सुरक्षित architecture में जोड़ती है. इससे researchers प्लाज्मा के बदलते व्यवहार पर तेज प्रतिक्रिया देने और भविष्य के अधिक automated fusion facilities के लिए control strategies विकसित करने की दिशा में आगे बढ़ सकते हैं.
हालांकि, पांच प्रयोगों में सफल परीक्षण को commercial fusion power या पूरी तरह autonomous reactor control की उपलब्धि नहीं माना जा सकता. यह वास्तविक fusion system पर AI-assisted control की दिशा में एक research demonstration है. बड़े, अधिक जटिल और लंबे समय तक चलने वाले experiments में इसकी reliability तथा safety का आगे परीक्षण जरूरी होगा.
