یک قدم نزدیک‌تر به همجوشی هسته‌ای؛ جمینای ۴ آرگون معمای ۵۹ ساله را حل کرد
هوش مصنوعی جمینای ۴ آرگون گوگل در چند ساعت به گسترش راه‌حل‌های ریاضی مسئله‌ای مرتبط با رآکتورهای همجوشی هسته‌ای کمک کرد.
مدل هوش مصنوعی جمینای ۴ آرگون گوگل به پژوهشگران کمک کرد تا راه‌حل‌های ریاضی مربوط به میدان‌های مغناطیسی در رآکتورهای آزمایشی همجوشی هسته‌ای را گسترش دهند. این مدل با چند ایجنت هوش مصنوعی توانست در عرض چند ساعت، پیکربندی‌های مغناطیسی جدیدی را شناسایی کند که محدودیت‌های هندسی راه‌حل‌های پیشین را نداشتند. این دستاورد به مسئله‌ای در ریاضیات فیزیک پلاسما مربوط می‌شود که به حدس علمی مطرح‌شده در سال ۱۹۶۷ بازمی‌گردد.
بااین‌حال، پژوهش جدید به معنای حل کامل مسئله همجوشی هسته‌ای یا دستیابی به روشی برای تولید برق تجاری از این فرایند نیست؛ بلکه مجموعه راه‌حل‌های دقیق ریاضی را برای مطالعه میدان‌های مغناطیسی گسترش می‌دهد. راه‌حل جمینای ۴ آرگون برای معمای ۵۹ ساله همجوشی هسته‌ای در همجوشی هسته‌ای با محصورسازی مغناطیسی، میدان‌های مغناطیسی قدرتمند برای نگه‌داشتن گاز بسیار داغ و باردار الکتریکی به کار می‌روند تا پلاسما پیش از ترکیب هسته‌های اتمی و آزادشدن انرژی، از محفظه خارج نشود. دانشمندان برای بررسی رفتار پلاسما و طراحی ساختارهایی که بتوانند آن را محصور نگه دارند، به مدل‌های ریاضی دقیقی از میدان‌های مغناطیسی نیاز دارند.
شبیه‌سازی‌های کامپیوتری نیز به آن‌ها کمک می‌کند تا رفتار این میدان‌ها را بررسی کنند. «هارولد گراد»، فیزیک‌دان، در سال ۱۹۶۷ حدسی درباره شرایط ریاضی لازم برای برقراری تعادل در میدان‌های مغناطیسی سه‌بعدی مطرح کرد. این حدس بر پژوهش‌های مربوط به پیکربندی‌های پلاسما تأثیر گذاشت.
در سپتامبر ۲۰۲۶، «مت لندرمَن»، پژوهشگر دانشگاه مریلند، با کمک مدل GPT-6 Astra Pro شرکت OpenAI راه‌حل‌های دقیقی ارائه کرد که با این حدس قدیمی در تضاد بودند. این راه‌حل‌ها نمونه‌های ریاضی مشخصی در اختیار پژوهشگران قرار دادند تا بتوانند نرم‌افزارهای شبیه‌سازی محصورسازی مغناطیسی را آزمایش کنند. بااین‌حال، راه‌حل‌های پیشین در دو خانواده قرار می‌گرفتند که هر دو از تقارن هندسی مشخصی برخوردار بودند.
در نتیجه، نمونه‌های دقیق مشابهی برای پیکربندی‌های فاقد این ویژگی در دسترس نبود. در پژوهش بعدی، چند دانشمند این راه‌حل‌ها را گسترش دادند. آن‌ها پارامتری را وارد محاسبات کردند که تقارن هندسی موردنظر را از بین می‌برد و امکان دستیابی به پیکربندی‌های ریاضی جدید را فراهم می‌کرد.
این پیکربندی‌ها نمونه‌های مرجع بیشتری در اختیار محققان قرار می‌دهند تا بتوانند برنامه‌های کامپیوتری محاسبه‌کننده تعادل مغناطیسی را در ساختارهای پیچیده سه‌بعدی ارزیابی کنند. پژوهشگران در مقاله خود می‌گویند برای گسترش راه‌حل‌های قبلی از جمینای ۴ آرگون در محیط آنتی‌گراویتی گوگل استفاده کردند. در این محیط، چند ایجنت هوش مصنوعی نتایج پیشین لندرمَن را بررسی کردند و به‌دنبال روش‌هایی برای توسعه آن‌ها رفتند.
این ایجنت‌ها راه‌هایی برای حذف محدودیت تقارن ریاضی از راه‌حل‌های قبلی پیدا کردند و پیکربندی‌های جدیدی ارائه دادند که پژوهشگران امکان بررسی و اعتبارسنجی آن‌ها را داشتند. به گفته پژوهشگران، نمونه‌های ریاضی امیدوارکننده تنها چند ساعت پس از آغاز بررسی‌ها به دست آمدند. این سرعت نشان می‌دهد که هوش مصنوعی می‌تواند روند پژوهش‌هایی را که به محاسبات گسترده و بررسی هم‌زمان روابط پیچیده ریاضی نیاز دارند، تسریع کند.
بااین‌حال، شناسایی راه‌حل‌های اولیه پایان کار نبود. پژوهشگران همچنان باید استنتاج‌های ریاضی را بررسی می‌کردند و از سازگاری راه‌حل‌های پیشنهادی اطمینان می‌یافتند. آن‌ها همچنین از روش‌های محاسباتی برای اعتبارسنجی نتایج استفاده کردند.
هوش مصنوعی در آماده‌سازی بخش‌هایی از دست‌نوشته پژوهشی نیز به تیم کمک کرد، اما مسئولیت کار منتشرشده همچنان برعهده نویسندگان بود. دستاورد این پژوهش، افزایش تعداد راه‌حل‌های دقیق ریاضی برای مطالعه محصورسازی مغناطیسی است و به معنای حل نهایی مسئله همجوشی هسته‌ای یا برطرف‌شدن موانع مهندسی تولید برق از این فناوری نیست.
