Njia Muhimu za Kuchukua
- Watafiti wanatumia AI kuendeleza utafiti wa mchanganyiko.
- Kampuni moja inatumia AI ya Google kudhibiti majaribio yake ya kuunganisha.
- AI pia inakuza maendeleo katika dawa, ikiwa ni pamoja na kutambua saratani.
Nishati ya muunganisho wa vitendo inaweza kuwa inakaribia uhalisia kutokana na maendeleo ya akili bandia (AI), wataalam wanasema.
Kampuni ya Marekani inadai kuwa inaharakisha njia ya kuunganisha nishati kwa kutumia kujifunza kwa mashine. TAE Technologies imepunguza kazi za kompyuta ambazo mara moja zilichukua miezi hadi saa chache tu kwa kutumia AI. Ni mojawapo ya kampuni nyingi zinazotumia AI kusaidia katika utafiti.
"Kile ambacho bado hatujui kuhusu muunganisho-k.m., jinsi ya kufikia na kudumisha hali dhabiti ya muunganisho-kinafichwa kwenye data," Diogo Ferreira, profesa wa Mifumo ya Habari katika Chuo Kikuu cha Lisbon nchini Ureno, ambaye anasoma matumizi ya AI katika utafiti wa mchanganyiko aliiambia Lifewire katika mahojiano ya barua pepe.
"Kumbuka kwamba mashine ya kuunganisha ni jaribio changamano la kisayansi, lakini jambo moja ni kwa hakika-mashine hizi zote zina dazeni, ikiwa sio mamia ya mifumo ya uchunguzi iliyoambatanishwa nayo," aliongeza. "Hii inamaanisha kuwa jaribio moja, ambalo hudumu kwa sekunde chache tu, linaweza kutoa kiasi cha data kwa mpangilio wa gigabaiti 10 hadi 100."
Star Power
Muunganisho kwa vitendo ni aina ya uzalishaji wa nishati ambayo huunda umeme kwa kutumia joto kutoka kwa michanganyiko ya nyuklia. Ni aina ile ile ya majibu ambayo huimarisha nyota.
Baada ya miongo kadhaa ya maendeleo polepole, utafiti wa mseto unazidi kupamba moto. Hivi majuzi wanasayansi walitangaza kuwa walikuwa wametoa msukumo wa juu zaidi wa nishati endelevu kuwahi kuundwa kwa kuchanganya atomi, zaidi ya mara mbili ya rekodi yao wenyewe kutokana na majaribio yaliyofanywa mwaka wa 1997.
TAE Systems inatumai kuwa AI inaweza kusaidia kuvuka vikwazo vya kiufundi. Kampuni hutumia silinda ya kuunganisha yenye urefu wa futi 100, inayoitwa Norman, kwa majaribio. AI ya Google inatumiwa kuchuja kiasi kikubwa cha data inayotolewa wakati wa utafiti.
"Kwa usaidizi wetu wa kutumia uboreshaji wa mashine na sayansi ya data, TAE ilifikia malengo yao makuu kwa Norman, ambayo hutuleta hatua karibu na lengo la breakeven fusion," Ted B altz, Mhandisi Mwandamizi wa Programu za Wafanyakazi, Utafiti wa Google, aliandika. kwenye tovuti ya kampuni. "Mashine ina plasma thabiti ya Kelvin milioni 30 kwa milliseconds 30, ambayo ni kiwango cha nguvu inayopatikana kwa mifumo yake. Wamekamilisha muundo wa mashine yenye nguvu zaidi, ambayo wanatarajia itaonyesha hali muhimu kwa fusion ya breakeven kabla. mwisho wa muongo."
Kujifunza kwa mashine ni muhimu ili kuchanganua majaribio ili kugundua mitindo inayotawala tabia ya plasma muunganisho, Ferreira alisema. Na, watafiti wanahitaji mbinu za hali ya juu ili kudhibiti majaribio zaidi ya kengele zenye msimbo ngumu na vichochezi wanachotumia sasa.
"Kwa sasa, tunatumia mifumo ya udhibiti wa awali ambayo inagonga breki katika dalili ya kwanza ya matatizo," Ferreira alisema. "Tunahitaji mbinu za AI ili kutuendesha kwa usalama kupitia ugumu wa kutumia mashine ya kuunganisha kwa uhakika ili kutoa nishati halisi."
AI kwa Uokoaji
Utafiti wa kimatibabu ni eneo lingine ambapo AI inatumiwa. AI ni kijalizo muhimu kwa kazi ya wanasayansi wa binadamu kwa sababu mashine na binadamu ni wazuri katika kazi tofauti zinazohitajika katika utafiti, Sungwon Lim, Mkurugenzi Mtendaji wa Imprimed Inc., zana ya utambuzi wa saratani inayotegemea AI, aliiambia Lifewire kupitia barua pepe.
"Pale ambapo wanadamu wanaweza kupata suluhu za kibunifu na ubunifu, mashine zinaweza kuchanganua kiasi kikubwa cha data haraka na kwa usahihi," alisema. "AI pia inaweza kufanya aina ya kazi za kuchosha, zinazojirudia ambazo zinaweza kusababisha watafiti wa kibinadamu kuchoka na kufanya makosa. Hii inafanya AI kuwa zana bora ya utafiti ambayo ruwaza lazima zipatikane kwa haraka katika mkusanyiko mkubwa sana wa data."
Utafiti wa hivi majuzi wa watafiti katika Chuo Kikuu cha Illinois uliochapishwa katika Journal of Critical Reviews in Oncology ulionyesha kuwa kujifunza kwa mashine kwa sasa ni pinzani, na katika baadhi ya matukio huwashinda matabibu waliofunzwa katika utambuzi na utabiri wa matokeo katika saratani ya kibofu.
"Jukumu muhimu la AI katika utambuzi wa mapema wa saratani haliwezi kupitiwa kupita kiasi kwa sababu kila mwaka mamilioni ya visa vya saratani huwa bila kutambuliwa hadi hatua za mwisho za ugonjwa ambapo chaguzi za matibabu huwa ndogo sana au hazipo," Soheila Borhani, mmoja ya mwandishi wa gazeti hili aliiambia Lifewire katika barua pepe.
