Bài học rút ra chính
- Các nhà nghiên cứu đang sử dụng AI để thúc đẩy nghiên cứu nhiệt hạch.
- Một công ty đang sử dụng AI của Google để kiểm soát các thí nghiệm nhiệt hạch.
- AI cũng đang thúc đẩy những tiến bộ trong y học, bao gồm cả phát hiện ung thư.
Năng lượng nhiệt hạch thực tế có thể đang tiến gần hơn với thực tế nhờ những tiến bộ trong trí tuệ nhân tạo (AI), các chuyên gia nói.
Một công ty Hoa Kỳ tuyên bố họ đang tăng tốc con đường dẫn đến sức mạnh nhiệt hạch bằng cách sử dụng máy học. TAE Technologies đã cắt giảm các tác vụ tính toán từng mất hàng tháng xuống chỉ còn vài giờ bằng AI. Đó là một trong nhiều công ty sử dụng AI để giúp nghiên cứu.
"Những gì chúng ta vẫn chưa biết về nhiệt hạch - ví dụ: cách đạt và duy trì các điều kiện nhiệt hạch ổn định - đang ẩn trong dữ liệu", Diogo Ferreira, giáo sư Hệ thống thông tin tại Đại học Lisbon ở Bồ Đào Nha, người nghiên cứu ứng dụng của AI trong nghiên cứu nhiệt hạch đã nói với Lifewire trong một cuộc phỏng vấn qua email.
"Hãy nhớ rằng máy nhiệt hạch là một thí nghiệm khoa học phức tạp, nhưng có một điều chắc chắn là tất cả các máy này có hàng chục, nếu không muốn nói là hàng trăm hệ thống chẩn đoán gắn liền với nó," ông nói thêm. "Điều này có nghĩa là một thử nghiệm đơn lẻ, chỉ kéo dài trong vài giây, có thể tạo ra một lượng dữ liệu theo thứ tự từ 10 đến 100 gigabyte."
Star Power
Nhiệt hạch thực tế là một hình thức phát điện tạo ra điện năng sử dụng nhiệt từ phản ứng tổng hợp hạt nhân. Đó là kiểu phản ứng tương tự như sức mạnh của các ngôi sao.
Sau nhiều thập kỷ chậm tiến độ, nghiên cứu nhiệt hạch đang nóng lên. Các nhà khoa học gần đây đã thông báo rằng họ đã tạo ra xung năng lượng duy trì cao nhất từng được tạo ra bằng cách nung chảy các nguyên tử, gấp đôi kỷ lục của chính họ từ các thí nghiệm được thực hiện vào năm 1997.
TAE Systems hy vọng rằng AI có thể giúp vượt qua các rào cản kỹ thuật. Công ty sử dụng một xi lanh nhiệt hạch dài 100 foot, được gọi là Norman, cho các thí nghiệm. AI của Google đang được sử dụng để sàng lọc lượng dữ liệu khổng lồ được tạo ra trong quá trình nghiên cứu.
"Với sự hỗ trợ của chúng tôi bằng cách sử dụng tối ưu hóa máy móc và khoa học dữ liệu, TAE đã đạt được các mục tiêu chính của họ cho Norman, giúp chúng tôi tiến gần hơn đến mục tiêu hợp nhất hòa vốn", Ted B altz, Kỹ sư phần mềm cấp cao, Google Research, viết trên trang web của công ty. "Máy duy trì một plasma ổn định ở 30 triệu Kelvin trong 30 mili giây, đó là mức năng lượng có sẵn cho các hệ thống của nó. Họ đã hoàn thành thiết kế cho một cỗ máy thậm chí còn mạnh hơn, mà họ hy vọng sẽ chứng minh các điều kiện cần thiết cho phản ứng tổng hợp hòa vốn trước đây cuối thập kỷ."
Học máy là cần thiết để phân tích các thí nghiệm nhằm khám phá các xu hướng chi phối hành vi của các plasmas nhiệt hạch, Ferreira nói. Và, các nhà nghiên cứu cần các phương pháp tiếp cận tinh vi để kiểm soát thử nghiệm ngoài các cảnh báo và trình kích hoạt được mã hóa cứng mà họ hiện đang sử dụng.
"Hiện tại, chúng tôi sử dụng hệ thống điều khiển sơ khai phanh ngay khi có dấu hiệu trục trặc đầu tiên," Ferreira nói. "Chúng tôi cần các kỹ thuật AI để đưa chúng tôi đi một cách an toàn vượt qua sự phức tạp của việc vận hành một cỗ máy nhiệt hạch một cách đáng tin cậy để tạo ra sản lượng năng lượng ròng."
AI để giải cứu
Nghiên cứu y học là một lĩnh vực khác mà AI đang được đưa vào sử dụng. Sungwon Lim, Giám đốc điều hành của Imprimed Inc., một công cụ phát hiện ung thư dự đoán dựa trên AI, nói với Lifewire qua email.
"Nơi con người có thể đưa ra các giải pháp và cải tiến sáng tạo, máy móc có thể phân tích một lượng lớn dữ liệu một cách nhanh chóng và chính xác", ông nói. "AI cũng có thể thực hiện các loại nhiệm vụ tẻ nhạt, lặp đi lặp lại có thể khiến các nhà nghiên cứu con người mệt mỏi và mắc sai lầm. Điều này làm cho AI trở thành một công cụ lý tưởng để nghiên cứu trong đó các mẫu phải nhanh chóng được tìm thấy trong các bộ dữ liệu rất lớn."
Một nghiên cứu gần đây của các nhà nghiên cứu tại Đại học Illinois được công bố trên Tạp chí Đánh giá Phê bình về Ung thư cho thấy rằng học máy hiện đang là đối thủ và trong một số trường hợp, các bác sĩ lâm sàng được đào tạo về chẩn đoán và dự đoán kết quả trong ung thư bàng quang sẽ vượt qua.
"Không thể phóng đại vai trò quan trọng của AI trong việc chẩn đoán sớm ung thư bởi vì hàng năm có hàng triệu trường hợp ung thư không được chẩn đoán cho đến giai đoạn cuối của bệnh, nơi các lựa chọn điều trị trở nên cực kỳ hạn chế hoặc không tồn tại", Soheila Borhani, một tác giả của bài báo đã nói với Lifewire trong một email.
