دانشمندان آمریکایی از هوش مصنوعی (یادگیری ماشین) برای افزایش عملکرد راکتورهای هسته ای استفاده می کنند.
محققان آزمایشگاه ملی آرگون ایالات متحده از ماشین لرنینگ(یادگیری ماشین) در ساخت راکتورهای هسته ای نسل آینده استفاده کردند. آنها با این کار نشان دادند که فناوری یادگیری ماشین می تواند عملیات راکتورهای هسته ای را تغییر دهد. تیم از فناوری جدید در راکتور پیشرفته خنک کننده با سدیم (SFR) استفاده کردند. اما، راکتورهای SFR چه نوع راکتورهایی هستند؟!
راکتورهای (SFR) نوعی راکتور هسته‌ای هستند که از سدیم مایع به عنوان خنک‌کننده استفاده می‌کند. در واقع، سوخت این راکتور حاوی اورانیوم 238 است که می‌تواند در واکنش هسته‌ای به پلوتونیوم 239 تبدیل شود. پلوتونیوم 239 به عنوان سوخت هسته ای در راکتورهای هسته‌ای فعلی استفاده می شود. راکتورهای SFR مزایای زیادی نسبت به راکتورهای هسته‌ای معمولی دارند. آنها می‌توانند سوخت هسته‌ای را به صورت بهینه تری استفاده کنند و زباله های هسته‌ای کمتری تولید کنند. علاوه براین، آنها قادرند با سوخت هسته‌ای غنی نشده هم کار کنند که بیشتر در دسترس هستند. بنابراین، نیاز به فرآیند غنی‌سازی را در نیروگاه های هسته ای کاهش می‌دهد. ماشین لرنینگ به راکتور کمک می کند با تقسیم اتم های سنگین، بدون تولید گازهای گلخانه ای انرژی برق تولید کند. البته هنوز راکتورهای نسل جدید در مرحله توسعه قرار دارند و به فاز تجاری سازی نرسیده اند. اما، راکتورهای SFR توانایی تولید انرژی پاک تر و پایدارتر را دارند و می توانند آینده صنعت برق را متحول کنند.
ساخت راکتورهای SFR با موانع بزرگی نیز همراه است. یکی از این موانع، عدم اطمینان از خلوص مایع خنک‌کننده سدیم مایع در دمای بالاست. حفظ این خلوص برای جلوگیری از خوردگی و گرفتگی سیستم اهمیت زیادی دارد. برای حل این مشکل، دانشمندان مرکز آرگون یک سیستم یادگیری ماشینی (ML) ایجاد کردند. با به کارگیری فناوری یادگیری ماشین در نظارت مستمر و تشخیص ناهنجاری‌ها، پیشرفت فناوری در کنترل ابزار دقیق قرار می گیرد. الکساندر هایفتز، مهندس هسته ای مرکز آرگون، در بیانیه مطبوعاتی خود گفت: «این کار تحول عظیمی در کارایی و هزینه سیستم های انرژی هسته ای ایجاد می کند.»
این تیم با در نظر گرفتن انواع معیارهای عملیاتی، یک مدل یادگیری ماشینی ایجاد کرد. اولین معیار این بود که مدل ماشین لرنینگ (ML) بتواند مداوم سیستم خنک کننده را کنترل کند. این مدل برای انجام این کار به 31 حسگر در مرکز آزمون مهندسی مکانیزم آرگون (METL) مجهز است که متغیرهایی مانند دما، فشار و نرخ جریان سیال را اندازه‌گیری می‌کند. تاسیسات METL با هدف ارزیابی مواد و اجزای پیشنهادی در ساخت راکتورهای جدید از طریق روش های قابل اعتماد ساخته شده اند. به همین علت، برای مهندسان، تکنسین ها و حتی مدل های یادگیری ماشین فرصتی فراهم می کند تا همه در بهره وری و نگه داری راکتورها سهیم باشند. ادغام ماشین لرنینگ در سیستم های نظارتی می تواند خطر بروز اختلال در عملکرد راکتورها را تا حد زیادی کاهش دهد. یادگیری ماشین ظرفیت لازم را برای تشخیص سریع و صحیح بی نظمی ها را در جریان های عملیات دارد. آنها برای این کار، یک اختلال را که می تواند منجر به افزایش ناگهانی دما و سرعت جریان شود را شبیه سازی کردند. مدل یادگیری ماشین توانست این اختلال را در حدود سه دقیقه بعد تشخیص دهد.
نتایج این مطالعه، می تواند به ساخت مدل های بعدی کمک کند. مدل فعلی با محدودیت های زیادی مواجه بود. به عنوان نمونه: احتمال دارد آژیرهای خطر به علت اختلال حسگر یا براثر سنبله‌های تصادفی به صدا در بیاید. زمانی که مقدار سنبله‌های تصادفی از حد استاندارد خود عبور کند، آژیر خطر به صدا در می آید. اما، تغییرات ناگهانی در داده ها همیشه نشان دهنده بروز مشکل نیست.
به همین علت، تیم قصد دارد این مدل ارتقا بدهد تا بتواند تغییرات واقعی در فرآیند و تغییرات تصادفی در داده ها را از هم تمیز دهد. هایفتز در انتها گفت:" اگرچه ما از قابلیت‌های منحصربه‌فرد تاسیسات METL برای توسعه و آزمایش الگوریتم‌های خود در یک مرکز تحقیقات تجربی فلز مایع استفاده کردیم ولی، روش ما پتانسیل پیاده سازی در راکتورهای پیشرفته را دارد. روش جدید می تواند تولید انرژی بدون کربن بیشتری را در آینده فراهم کند."