رایانه کوانتومی به کمک همجوشی هستهای آمد؛ گامی تازه برای تولید سوخت نیروگاههای آینده
پژوهشگران با ترکیب هوش مصنوعی، ابررایانه و رایانه کوانتومی موفق شدهاند یکی از پیچیدهترین مسائل پیش روی رآکتورهای همجوشی هستهای را شبیهسازی کنند.
به گزارش سایت دیدبان ایران، پژوهشگران با ترکیب توان رایانههای کوانتومی، هوش مصنوعی و ابررایانهها موفق شدهاند یکی از پیچیدهترین مسائل پیش روی فناوری همجوشی هستهای را بررسی کنند. این دستاورد میتواند مسیر توسعه نیروگاههای همجوشی را هموارتر کند.
همجوشی هستهای همان اتفاقی است که در قلب خورشید و دیگر ستارگان رخ میدهد. در این فرآیند، هستههای سبک اتمی با یکدیگر ترکیب میشوند و مقدار بسیار زیادی انرژی آزاد میکنند. برخلاف نیروگاههای سوخت فسیلی، همجوشی دیاکسیدکربن تولید نمیکند و نسبت به شکافت هستهای نیز پسماندهای پرتوزای بسیار کمتری بر جای میگذارد. بااینحال، دستیابی به رآکتوری همجوشی که بتواند به طور مداوم و اقتصادی برق تولید کند، همچنان یکی از بزرگترین چالشهای علمی و مهندسی جهان است.
یکی از مهمترین موانع، تأمین سوخت این رآکتورها است. بیشتر طرحهای همجوشی از ترکیب دو ایزوتوپ هیدروژن، یعنی دوتریوم و تریتیوم، استفاده میکنند. دوتریوم به وفور در آب دریا یافت میشود، اما تریتیوم مادهای بسیار کمیاب، رادیواکتیو و گرانقیمت است و مقدار تولید سالانه آن در جهان بسیار محدود است. از سوی دیگر، این ایزوتوپ نیمهعمری حدود ۱۲ سال دارد و به مرور زمان دچار واپاشی میشود؛ بنابراین ذخیرهسازی بلندمدت آن نیز امکانپذیر نیست.
تریتیوم، سوخت حیاتی رآکتورهای همجوشی، آنقدر کمیاب است که تولید سالانه آن در جهان تنها چند ده کیلوگرم برآورد میشود
به همین دلیل، بیشتر طرحهای نیروگاههای همجوشی آینده بر این اساس طراحی شدهاند که تریتیوم را در داخل خود رآکتور تولید کنند. برای این منظور، اطراف محفظه پلاسما با لایهای از نمک مذاب موسوم به FLiBe پوشانده میشود که از ترکیب فلور، لیتیوم و بریلیم تشکیل شده است. نوترونهای پرانرژی حاصل از واکنش همجوشی با اتمهای لیتیوم برخورد میکنند و تریتیوم تولید میشود. اما رفتار شیمیایی این نمک در دماهای بسیار بالا و در معرض تابش شدید نوترونها بسیار پیچیده است و پیشبینی آن با روشهای معمول محاسباتی کار آسانی نیست.
یکی از مشکلات اصلی این است که تریتیوم پس از تولید میتواند در حالتهای شیمیایی متفاوتی قرار گیرد. اگر به اتمهای فلور متصل شود، ترکیبی به نام تریتیوم فلورید تشکیل میدهد که جداکردن آن از نمک مذاب دشوار است. اما اگر دو اتم تریتیوم با یکدیگر پیوند برقرار کنند، مولکول گازی تشکیل میشود که استخراج آن بسیار سادهتر خواهد بود. تشخیص اینکه در هر شرایط کدام حالت غالب است، به محاسباتی نیاز دارد که حتی قدرتمندترین رایانههای کلاسیک نیز برای انجام دقیق آن با محدودیت روبهرو هستند.
برای غلبه بر این مشکل، پژوهشگران از رویکردی ترکیبی استفاده کردند. در این روش، هوش مصنوعی ابتدا هزاران آرایش احتمالی مولکولها را بررسی و مناسبترین ساختارها را انتخاب کرد. سپس ابررایانهها بخش عمده محاسبات مربوط به ساختار مواد را انجام دادند و در نهایت، دشوارترین بخش محاسبات که به رفتار کوانتومی الکترونها مربوط میشد، به رایانه کوانتومی سپرده شد.
پژوهشگران به جای آنکه کل مسئله را روی رایانه کوانتومی اجرا کنند، آن را به بخشهای کوچکتر تقسیم کردند. قسمتهایی که رایانههای معمولی از عهده آن برمیآمدند، با روشهای کلاسیک حل شد و فقط بخشهایی که به دقت بسیار بالای مکانیک کوانتومی نیاز داشتند، توسط پردازنده کوانتومی محاسبه شدند. این رویکرد باعث شد بتوان رفتار الکترونها و نحوه تشکیل پیوندهای شیمیایی را با دقتی بیشتر از گذشته بررسی کرد.
لایوساینس، پژوهشگران با استفاده از این روش موفق شدند چندین آرایش مختلف از نمک مذاب FLiBe را با دقت بالا شبیهسازی کنند و مشخص کنند که تریتیوم در هر یک از این ساختارها چگونه رفتار میکند. چنین اطلاعاتی میتواند به طراحی موادی منجر شود که تولید و بازیابی تریتیوم را در رآکتورهای همجوشی کارآمدتر و کمهزینهتر کنند.
پژوهشگران توانستند رفتار شیمیایی نمک مذابی را شبیهسازی کنند که قرار است در راکتورهای آینده، تریتیوم مورد نیاز همجوشی را تولید کند
اهمیت این پژوهش به حوزه همجوشی محدود نمیشود. مطالعه نشان میدهد که رایانههای کوانتومی، حتی در شرایطی که هنوز به بلوغ کامل نرسیدهاند، میتوانند در کنار هوش مصنوعی و ابررایانهها برای حل مسائل پیچیده شیمی و علم مواد به کار گرفته شوند. چنین رویکردی در آینده میتواند روند کشف مواد جدید برای باتریها، نیمهرساناها، کاتالیزورها و بسیاری از فناوریهای پیشرفته دیگر را نیز سرعت ببخشد.
البته این دستاورد هنوز به معنای حل کامل مشکل تولید سوخت همجوشی نیست. پژوهشگران تأکید میکنند که این مطالعه بیشتر اثباتی بر توانایی استفاده از محاسبات کوانتومی در مسائل واقعی علم مواد است و برای بهکارگیری آن در طراحی رآکتورهای تجاری، به تحقیقات و آزمایشهای بیشتری نیاز خواهد بود. بااینحال، نتایج نشان میدهد رایانههای کوانتومی به تدریج از مرحله آزمایشهای نظری عبور کردهاند و در حال ورود به حل چالشهای عملی دنیای واقعی هستند.