الذكاء الاصطناعي يسرّع البحث عن مواد للتخزين الآمن للنفايات النووية

# الذكاء الاصطناعي يسرّع البحث عن مواد للتخزين الآمن للنفايات النووية

توصّل علماء روس إلى طريقة لمعالجة إحدى أصعب المشكلات في الطاقة الذرية، وهي البحث عن مواد تتيح تخزين النفايات النووية بشكل موثوق. وسرّ هذا الإنجاز في اتحاد غير مألوف: فقد جُمعت الكيمياء الكلاسيكية مع التعلم الآلي. فقد بنى فريق من الباحثين في معهد سكولتيك وAIRI وSber AI مخططًا طوريًا دقيقًا لكربيدات التكنيتيوم، مستخدمًا شبكات عصبية بيانية بدلًا من الحسابات الكمومية الميكانيكية التقليدية. ونُشرت النتائج في مجلة Acta Materialia المرموقة. وهذه ليست مجرد نتيجة علمية، بل دليل على أن الذكاء الاصطناعي قادر على تغيير وتيرة التطوير في علم المواد تغييرًا جذريًا.

كانت المهمة معقّدة بحق. فكربيدات التكنيتيوم حاسمة للتخلص الآمن من النفايات النووية، لكن دراسة خصائصها تتطلب موارد حاسوبية هائلة. ويعتمد النهج التقليدي على الحسابات الكمومية الميكانيكية، وهي طرق تحاكي سلوك الإلكترونات والأنوية انطلاقًا من القوانين الفيزيائية. وهذه الحسابات شديدة الدقة، لكنها تتطلب أيامًا أو أسابيع من المعالجة حتى على الحواسيب العملاقة القوية. وحين يلزم فحص آلاف المواد المحتملة وتركيباتها، تصبح المهمة شبه مستحيلة. وهكذا وصل العلماء إلى طريق مسدود: فمن دون فهم كامل لبنية المادة يستحيل ضمان موثوقيتها لتخزين المواد الخطرة، بينما تستغرق حسابات هذه البنية وقتًا مفرطًا.

وهنا برزت الشبكات العصبية البيانية، وهي نماذج تمثّل الجزيئات في صورة بيانات مترابطة، حيث تصبح الذرات عُقدًا وتصبح الروابط الكيميائية حوافّ. وتتيح هذه البنية للشبكة فهم العلاقات المكانية بين الذرات والتنبؤ بسلوكها. وقد درّب الباحثون الشبكة العصبية على نتائج الحسابات الكمومية الميكانيكية الكلاسيكية، لتتعلّم الأنماط التي كشفتها تلك الحسابات. وبعد التدريب، صار بوسع النموذج التنبؤ فورًا بخصائص مركّبات جديدة، وهو ما كان يستغرق أسابيع من قبل. الأمر أشبه بتدريب حِرفي ماهر ثم مطالبته بتقديم ملخص مكتوب لمعارفه، بحيث يستفيد الآخرون من هذا الملخص بدلًا من قضاء فترة طويلة في التدرّب.

والنتيجة لافتة. فبفضل نموذج الذكاء الاصطناعي بنى الباحثون مخططًا طوريًا تفصيليًا لكربيدات التكنيتيوم، وهو خريطة توضّح البنى البلورية للمادة المستقرة عند درجات حرارة وضغوط مختلفة. وتسارعت العملية آلاف المرات دون فقدان الدقة. وهذا يعني أن العلماء استطاعوا في بضعة أسابيع فحص حجم من المواد كان سيتطلب سنوات في السابق. ويثبت العمل أن التعلم الآلي في علم المواد ليس مجرد لعبة للاستعراض، بل أداة متكاملة لحل مهام علمية حقيقية.

وتتجاوز أهمية هذا الإنجاز التكنيتيوم بكثير. فالصناعة النووية تحتاج إلى مواد قادرة على تحمّل ظروف قاسية، من درجات حرارة مرتفعة وإشعاع وتآكل. وكل ذلك يتطلب فهمًا عميقًا لبنية المواد، بينما تعمل الطرق التقليدية ببطء. ويفتح استخدام الذكاء الاصطناعي الطريق أمام بحث منهجي عن مركّبات جديدة ذات خصائص محددة مسبقًا. وقد يسرّع ذلك تطوير أنظمة أكثر أمانًا للتخلص من النفايات، وربما ظهور أجيال جديدة من المفاعلات النووية.

ويشير نجاح الشبكات العصبية في الكيمياء وعلم المواد إلى تحولات عميقة في العلم. فالذكاء الاصطناعي لا يحلّ محل العلماء، لكنه لم يعد مجرد أداة لتحليل البيانات. فقد أصبح التعلم الآلي شريكًا في العملية الإبداعية للبحث عن الحلول. وباختصار الطريق من النظرية إلى التطبيق، لا تسرّع هذه النهج الأبحاث وحدها، بل وتيرة التقدم العلمي نفسها في المجالات التي يكون فيها لكل يوم قيمته.