Pētnieki testē mākslīgo intelektu kodolreaktoru uzraudzībā: vai nākotnes drošība būs tā rokās?

Pētnieki ir izveidojuši sistēmu, kas izmanto optiskās šķiedras sensorus un mākslīgo intelektu, lai noteiktu iespējamos aizsērējumus ar sāli dzesēta kodolreaktora siltummainī. Sensori mēra temperatūru daudzos siltummaiņa punktos, tādējādi ļaujot iegūt detalizētāku priekšstatu par to, kas notiek tā kanālos.

Mākslīgais intelekts šos datus izmanto ne tikai tam, lai noteiktu, vai sistēmā ir notikusi anomālija. Tas var arī palīdzēt novērtēt, kur atrodas problēma un cik tā ir nopietna. Pirmo izmēģinājumu laikā sistēma labi atpazina izteiktākus aizsērējumus, taču ļoti agrīnas pārmaiņas tai bija ievērojami grūtāk noteikt.

Kāpēc aizsērējumu ir grūti pamanīt?

Augstas temperatūras reaktoros, kurus dzesē ar sāli, šķidrais sāls cirkulē caur siltummaiņiem un nodod siltumu citai ķēdei. Ja sāls kādā vietā pārāk atdziest, tas var sākt sacietēt. Tādēļ atsevišķi šauri plūsmas kanāli var sašaurināties vai pat pilnībā noslēgties.

Šādas problēmas sākotnēji pamanīt nav viegli. Parastās mērīšanas sistēmas galvenokārt uzrauga temperatūru un plūsmu siltummaiņa ieplūdes un izplūdes atverēs. Tikmēr siltummaiņa iekšpusē jau var būt izveidojušies lokāli aizsērējumi, bet kopējie mērījumi joprojām var izskatīties normāli.

Tas ir īpaši sarežģīti konstrukcijās ar vairākiem tūkstošiem paralēlu kanālu. Daži mērījumi siltummaiņa galos nevar precīzi parādīt, kur problēma ir sākusies.

Temperatūru mēra ar optiskajām šķiedrām

Argonnas Nacionālās laboratorijas pētnieki Konstantīna Prantikosa vadībā izmēģināja sistēmu, kurā tiek izmantots kompakts matricas tipa siltummainis un sadalīta temperatūras mērīšana ar optisko šķiedru.

Sensoru optiskās šķiedras ir paredzēts novietot uz siltummaiņa konstrukcijas balstiem. Tas ļauj vienlaikus iegūt temperatūras datus no daudziem punktiem, neradot papildu caurejas caur spiedienizturīgām sienām.

Šāds izvietojums ļauj iegūt daudz detalizētāku siltummaiņa temperatūras ainu. Pēc tam mākslīgajam intelektam šī informācija ir jāanalizē un jānosaka, vai temperatūras pārmaiņas var liecināt par aizsērējumu. Sistēmai būtu arī jāspēj norādīt, kur atrodas problēma un cik tā ir nopietna.

Pētnieki sistēmu vēl nav izmēģinājuši darbojošā kodolreaktorā. Izmēģinājumos tika izmantoti sintētiski dati, kas iegūti no siltuma pārneses modeļa. Dati tika papildināti arī ar reālu mērījumu troksni.

Kopumā tika analizēti 4 998 gadījumi. No tiem 4 749 bija parasti darbības stāvokļi, bet 249 – anomālijas. Šie gadījumi tika analizēti, izmantojot astoņas mašīnmācīšanās metodes.

Spēcīgi aizsērējumi tiek atpazīti labāk nekā sākotnējās pārmaiņas

Labākos kopējos rezultātus sasniedza „XGBoost“ algoritms. Spēcīgākās pārbaudītās anomālijas gadījumā tas sasniedza 0,99 atsaukšanas rādītāju un 0,96 F1 vērtību. Tas nozīmē, ka modelis šajā datu kopā spēja atpazīt gandrīz visus šīs kategorijas gadījumus.

Tomēr vājākās anomālijas rezultāti bija ievērojami sliktāki. „XGBoost“ atsaukšanas rādītājs bija tikai 0,45, bet F1 vērtība – 0,51. Arī citiem modeļiem bija grūti atšķirt agrīnās pārmaiņas no parastas sistēmas uzvedības.

Tas nozīmē, ka vēl nav pierādīts, ka šī metode var droši noteikt katru sākotnējo aizsērējumu. Pētījums liecina, ka temperatūras datus var izmantot šādu traucējumu klasificēšanai, taču ļoti mazas pārmaiņas joprojām ir grūti atšķirt.

Kāpēc svarīgs ir izskaidrojams mākslīgais intelekts?

Pētnieki arī analizēja, kā izskaidrot mākslīgā intelekta lēmumus. Šim nolūkam tika izmantoti Šeplija koeficienti, kas palīdz noteikt, kuri temperatūras mērījumi visvairāk ietekmēja konkrēto prognozi.

Tas ir svarīgi tāpēc, ka kodolenerģētikā nepietiek tikai saņemt brīdinājumu. Operatoriem ir jāsaprot, kāpēc sistēma to izteica, kādi dati to izraisīja un vai brīdinājums ir pamatots. Šādi skaidrojumi varētu palīdzēt labāk novērtēt situāciju un pieņemt lēmumus.

Tomēr pirms šādas sistēmas izmantošanas īstos reaktoros ir jāveic vairāk izmēģinājumu. Būs jānoskaidro, kā tā darbojas reālu slodzes pārmaiņu, iekārtu novecošanas un faktiskas sāls sacietēšanas apstākļos.

Līdz šim veiktie pētījumi liecina, ka optiskās šķiedras, temperatūras mērījumus un mākslīgo intelektu var apvienot vienā uzraudzības sistēmā. Tomēr praktiskai izmantošanai vēl būs nepieciešami reālu siltummaiņu eksperimenti un pārbaude apstākļos, kas būtu pēc iespējas tuvāki faktiskai reaktora darbībai.

Novērtējiet šo rakstu:

 

 

 

 

 

Kraunami duomenys...

Paldies par jūsu vērtējumu!