AI يسرّع البحث عن مواد للتخزين الآمن للنفايات النووية

# الذكاء الاصطناعي يسرّع البحث عن مواد لتخزين آمن للنفايات النووية

وجد العلماء الروس طريقة لحل إحدى أعقد المشاكل في الطاقة النووية — إيجاد مواد لتخزين آمن وموثوق للنفايات النووية. يكمن السر في تحالف غير معتاد: الكيمياء الكلاسيكية مدمجة مع التعلم الآلي. بنت مجموعة باحثين من معهد سكولتك وAIRI وSber AI مخطط طور دقيق لكربيدات التكنيسيوم باستخدام شبكات عصبية الرسم البياني بدلاً من الحسابات الميكانيكية الكمية التقليدية. نُشرت النتائج في مجلة Acta Materialia الموقرة. هذا ليس مجرد نتيجة علمية — بل هو توضيح لكيف يمكن للذكاء الاصطناعي أن يغير جذرياً وتيرة التطور في علم المواد.

كانت المهمة صعبة حقاً. كربيدات التكنيسيوم حرجة للغاية لمعالجة آمنة للنفايات النووية، لكن دراسة خصائصها تتطلب موارد حسابية ضخمة. يعتمد النهج التقليدي على حسابات ميكانيكية كمية — طرق تحاكي سلوك الإلكترونات والنوى وفقاً للقوانين الفيزيائية. هذه الحسابات دقيقة بشكل لا يصدق، لكنها تتطلب أياماً أو أسابيع من الحسابات حتى على أجهزة الحاسوب العملاقة القوية. عندما تحتاج إلى التحقيق في آلاف المواد المحتملة وتركيباتها، تصبح مهمة شبه مستحيلة. كان العلماء عالقين في طريق مسدود: بدون فهم كامل لهيكل المادة، من المستحيل ضمان موثوقيتها لتخزين المواد الخطرة، بينما يستغرق حساب هذا الهيكل وقتاً مفرطاً.

هنا دخلت شبكات عصبية الرسم البياني اللعبة — نماذج تمثل الجزيئات كرسوم بيانية، حيث تصبح الذرات عقد والروابط الكيميائية تصبح حواف. هذه البنية تسمح للشبكة بفهم العلاقات المكانية بين الذرات والتنبؤ بسلوكها. درب الباحثون الشبكة العصبية على نتائج الحسابات الميكانيكية الكمية الكلاسيكية، مما سمح لها بـ "تعلم" الأنماط التي كشفتها تلك الحسابات. بعد التدريب، يمكن للنموذج التنبؤ على الفور بخصائص المركبات الجديدة، وهو ما كان سيستغرق أسابيع من قبل. إنه مثل تدريب حرفي متمرس ثم طلب منه كتابة ملخص لمعرفته — ثم يمكن لأشخاص آخرين استخدام هذا الملخص بدلاً من الخضوع لتدريبات طويلة.

النتائج مثيرة للإعجاب. بفضل نموذج الذكاء الاصطناعي، بنى الباحثون مخطط طور مفصل لكربيدات التكنيسيوم — خريطة توضح أي الهياكل البلورية للمادة مستقرة عند درجات حرارة وضغوط مختلفة. بدون فقدان الدقة، تسارعت العملية بآلاف المرات. هذا يعني أن العلماء تمكنوا من التحقيق في غضون أسابيع قليلة من حجم المواد التي كانت ستتطلب سنوات سابقاً. يثبت العمل: التعلم الآلي في علم المواد لا يعمل ببساطة كلعبة عرض، بل كأداة كاملة للمهام العلمية الحقيقية.

تمتد أهمية هذا الاختراق إلى ما هو أبعد بكثير من التكنيسيوم. تحتاج الصناعة النووية إلى مواد قادرة على تحمل ظروف قاسية — درجات حرارة عالية، إشعاع، تآكل. كل هذا يتطلب فهماً عميقاً لهيكل المادة، والطرق التقليدية تعمل ببطء. يفتح تطبيق الذكاء الاصطناعي الطريق نحو البحث المنهجي عن مركبات جديدة بخصائص محددة مسبقاً. يمكن أن يسرع هذا من تطوير أنظمة معالجة نفايات أكثر أماناً، وربما حتى ظهور أجيال جديدة من المفاعلات النووية.

يشير عرض كيفية تعامل الشبكات العصبية مع الكيمياء وعلم المواد إلى تغييرات عميقة في العلم. الذكاء الاصطناعي لا يحل محل العلماء، لكنه يتوقف عن كونه مجرد أداة لتحليل البيانات. يصبح التعلم الآلي شريكاً في العملية الإبداعية للبحث عن الحلول. بتقصير الطريق من النظرية إلى الممارسة، تسرع هذه الأساليب ليس فقط البحث، بل وتيرة التقدم العلمي نفسها في المجالات حيث كل يوم يهم.