هوش مصنوعی جمینای گوگل، حدس ۶۰ ساله در فیزیک همجوشی را رد کرد
هارولد گراد در سال ۱۹۶۷ مانعی را برای فیزیک استلراتورها مطرح کرد که از آن زمان تاکنون حل‌نشده باقی مانده بود. اکنون دو گروه پژوهشی مستقل این مسئله را گشوده‌اند؛ یکی از آن‌ها تیمی از گوگل دیپ‌مایند است که از جمینای ۴ آرگون کمک گرفته است. این دستاورد در شرایطی حاصل شده که سرمایه‌گذاران همچنان میلیاردها دلار به حوزه همجوشی هسته‌ای تزریق می‌کنند.
هارولد گراد، فیزیک‌دان و ریاضی‌دان دانشگاه نیویورک، در سال ۱۹۶۷ این فرضیه را مطرح کرد که عملاً نمی‌توان به تعادل پلاسمایی هموار و سه‌بعدی دست یافت، مگر آنکه میدان مغناطیسی نوعی تقارن داشته باشد. این فرضیه برای دهه‌ها مانعی جدی، هرچند کم‌سروصدا، بر سر راه توسعه استلراتورها بود؛ راکتورهایی با ساختار پیچیده و حلقه‌ای که در آن‌ها پلاسما به کمک سیم‌پیچ‌های مغناطیسی عمداً نامتقارن محصور می‌شود. این طراحی با توکامک‌های ساده‌تر و متقارن‌تر، از جمله طرح مورد استفاده در پروژه ITER، تفاوت دارد. اگر فرض گراد درست بود، محدودیتی ریاضی بر میزان دقتی وجود داشت که می‌شد با آن فیزیک حاکم بر این محصورسازی را توصیف کرد. مت لندِرمن، استاد پژوهشی دانشگاه مریلند که سال‌ها روی بهینه‌سازی استلراتورها کار کرده است، با همکاری مدل GPT-6 Astra متعلق به OpenAI دو مثال نقض جدید پیدا کرد که این محدودیت را از میان برمی‌دارند. به‌طور مستقل، تیم گوگل دیپ‌مایند نیز اعلام کرده است که جمینای ۴ آرگون به این گروه در کشف نمونه‌های نقض دیگری کمک کرده است.
گوگل دیپ‌مایند یافته‌های خود را در رشته‌پستی در شبکه اجتماعی ایکس منتشر کرد و آن‌ها را یکی از چند دستاورد مرتبط با عرضه آرگون دانست؛ دستاوردهایی که کار روی تصحیح خطاهای کوانتومی و طراحی پروتئین را نیز شامل می‌شوند. اهمیت نتیجه به‌دست‌آمده در حوزه همجوشی فراتر از یک ترفند ریاضی جالب است. اکنون سه خانواده متمایز از مثال‌های نقض برای حدس گراد شناسایی شده‌اند که در دو مقاله مستقل منتشرشده در آرکایو ارائه شده‌اند؛ این دو مقاله با فاصله کمتر از یک روز منتشر شدند. نویسندگان یکی از آن‌ها خاویر گومز-سرانو، لوکاس لیر و میچل تیلور هستند و مقاله دیگر را لندِرمن نوشته است. این راه‌حل‌های تحلیلی دقیق برای معادلات میدان مغناطیسی استلراتورها، ابزاری را در اختیار فیزیک‌دانان قرار می‌دهند که پیش‌تر در دسترس نداشتند: معیارهای مرجع دقیق و قابل‌اتکا برای بررسی اینکه آیا کدهای شبیه‌سازی مورد استفاده در طراحی نسل بعدی استلراتورها، واقعاً فیزیک مسئله را درست محاسبه می‌کنند یا نه.
اهمیت این تفاوت بیش از چیزی است که در نگاه اول به نظر می‌رسد. طراحی استلراتورها امروزه تا حد زیادی به کدهای عددی متکی است که تعادل پلاسما را به‌صورت تقریبی محاسبه می‌کنند؛ زیرا بر اساس فرض گراد، تصور می‌شد راه‌حل‌های دقیق عملاً وجود ندارند، مگر در موارد محدودی که از تقارن برخوردارند. وقتی پاسخ دقیق و مشخصی برای مقایسه وجود نداشته باشد، مهندسان تا حدی ناچارند اعتماد کنند که شبیه‌سازی‌هایشان به نتیجه‌ای منطبق با واقعیت فیزیکی می‌رسد. اما یک راه‌حل تحلیلی تأییدشده این امکان را فراهم می‌کند که کد شبیه‌سازی روی مسئله‌ای اجرا شود که پاسخ درست آن از پیش معلوم است و سپس بررسی شود که آیا محاسبات به همان پاسخ می‌رسند یا خیر. شرکت کامن‌ولث فیوژن سیستمز برای توجیه طراحی راکتورهای خود پیش از صرف صدها میلیون دلار برای ساخت تجهیزات، به همین دقت در شبیه‌سازی متکی است. شرکت تایپ وان انرژی نیز که در ایالت تنسی در حال ساخت یک راکتور نمایشی مبتنی بر استلراتور است، به چنین دقتی نیاز دارد.
گوگل جزئیات گام‌به‌گام فرایند استدلال آرگون در کشف مثال‌های نقض خود را منتشر نکرده است؛ بااین‌حال، این شرکت می‌گوید رویکرد به‌کاررفته با الگویی مطابقت دارد که دیپ‌مایند در حوزه‌های دیگر نیز دنبال کرده است: مدل در کنار متخصصان همان رشته قرار می‌گیرد و راه‌حل‌های احتمالی را تولید می‌کند؛ سپس این راه‌حل‌ها در برابر معادلات مغناطوهیدروستاتیک بررسی می‌شوند تا خانواده‌هایی از جواب‌ها پیدا شوند که واقعاً فرض‌های گراد را نقض می‌کنند. در مقابل، مثال‌های نقض لندِرمن حاصل همکاری او با GPT-6 Astra بود و خود او تمام معادلات را به‌صورت دستی بررسی و تأیید کرد. پژوهشگران می‌گویند می‌توان چنین راه‌حل‌هایی را مستقیماً به مجموعه آزمون‌های اعتبارسنجی نرم‌افزارهای طراحی، از جمله VMEC، افزود؛ نرم‌افزاری که یکی از ابزارهای اصلی حل مسئله تعادل پلاسما در جامعه پژوهشی استلراتورها به شمار می‌رود.
به گزارش وب‌سایت EdTech Innovation Hub، گوگل اعلام کرده است که دسترسی پژوهشی رایگان به آرگون را برای حدود ۱۰ هزار دانشمند فراهم می‌کند؛ اقدامی که آشکارا می‌تواند به تولید دستاوردهای خبری بیشتری از همین نوع منجر شود. اینکه این تصمیم سخاوتمندی است یا تلاشی حساب‌شده برای جذب پژوهشگران به حوزه علم مبتنی بر هوش مصنوعی، احتمالاً به دیدگاه مخاطب بستگی دارد. در هر صورت، فروپاشی یک حدس ۶۰ ساله که در رشته‌پستی هم‌زمان با عرضه یک مدل هوش مصنوعی اعلام شده، تبلیغی مؤثرتر از هر نمودار مقایسه‌ای عملکرد مدل‌هاست.
چرا این دستاورد را می‌توان بخشی از رقابت جمینای و کلود دانست؟
باید به نکته‌ای اشاره کرد که خوانندگان حوزه فناوری و استارتاپ به‌خوبی دنبال می‌کنند: این بار مدل گوگل به موفقیت رسیده است، نه مدل شرکت آنتروپیک. آنتروپیک نیز در سال جاری چند دستاورد در زمینه کاربرد هوش مصنوعی برای حل مسائل ریاضی داشته است. طبق گزارش‌ها، دونالد کنوت توانست با کمک کلود اپوس ۴.۶ مسئله‌ای در نظریه گراف درباره دورهای همیلتونی را در حدود یک ساعت حل کند؛ مسئله‌ای که خودش هفته‌ها برای حل آن تلاش کرده بود. او این راه‌حل را «پیشرفتی چشمگیر در استنتاج خودکار و حل خلاقانه مسئله» توصیف کرد. در رویدادی جداگانه، آنتروپیک اعلام کرد که مدل کلود مایتوس این شرکت به‌طور مستقل حدس فاصله واحد اردوش، متعلق به سال ۱۹۴۶ و در حوزه هندسه گسسته، را حل کرده است؛ آن هم اندکی پس از آنکه OpenAI مدعی دستیابی به همان نتیجه شد. تیموتی گاورز، برنده مدال فیلدز، آن دستاورد را نقطه عطفی در ریاضیات با کمک هوش مصنوعی خواند.
با کنار هم گذاشتن این نتایج، محور رقابتی مشخصی پدیدار می‌شود. دستاوردهای آنتروپیک عمدتاً در ریاضیات محض متمرکز بوده‌اند؛ از جمله نظریه گراف، هندسه گسسته و رمزنگاری. نتیجه گوگل متفاوت است. حدس گراد نخستین دستاورد از موج کنونی این پیشرفت‌هاست که مستقیماً به مسئله‌ای در فیزیک کاربردی مربوط می‌شود و مشتری صنعتی مشخصی نیز دارد: شرکت‌های فعال در حوزه همجوشی که برای راه‌اندازی راکتوری تجاری پیش از پایان این دهه رقابت می‌کنند. از منظر تجاری، این دستاورد به‌مراتب ملموس‌تر است. حل یک مسئله نظریه گراف برای ریاضی‌دانان افتخاری ارزشمند به شمار می‌رود؛ اما یک معیار مرجع تأییدشده برای استلراتورها چیزی است که تیم مهندسی یک استارتاپ همجوشی می‌تواند در سه‌ماهه آینده وارد فرایند شبیه‌سازی خود کند.
البته رد شدن حدس گراد به این معنا نیست که همجوشی تجاری زودتر به واقعیت تبدیل خواهد شد. فیزیک محصورسازی پلاسما تنها یکی از بخش‌های مجموعه‌ای پیچیده است که مواد مقاوم در برابر بمباران نوترونی، تولید تریتیوم و صرفه اقتصادی راه‌اندازی نیروگاه را نیز در بر می‌گیرد. بااین‌حال، توسعه‌دهندگان استلراتورها دهه‌ها در شرایطی طراحی کرده‌اند که اطمینان کاملی نداشتند کدهای شبیه‌سازی‌شان تا چه اندازه با واقعیت سازگار است. اکنون چند نقطه مرجع دقیق دیگر در اختیار دارند که می‌توانند نتایج خود را با آن‌ها بسنجند. این معیارها با کمک یک چت‌بات به دست آمده‌اند، اما یک فیزیک‌دان متخصص پلاسما نیز صحت کار آن را بررسی کرده است.