یادگیری ماشینی عملکرد راکتورهای هسته‌ای را بهبود می‌بخشد

به گزارش خبرگزاری علم و فناوری آنا به نقل از اینترستینگ اینجینرینگ، به گفته گروهی از کارشناسان آزمایشگاه ملی آرگون وزارت انرژی آمریکا، فناوری یادگیری ماشین ظرفیت تغییرعملیات راکتور هسته‌ای را دارد و می‌تواند امنیت و کارایی آن را بهبود بخشد.

آن‌ها کاربرد یادگیری ماشینی را در راکتور سریع خنک‌شده با سدیم «اس اف آر» (SFR)، یک راکتور هسته‌ای پیشرفته و تخصصی، به نمایش گذاشتند.

این راکتور نوعی راکتور هسته‌ای است که از سدیم مایع به عنوان خنک کننده برای هسته خود استفاده می‌کند. این کاربرد آن را قادر می‌سازد تا بدون تولید انتشار کربن با استفاده از شکافتن اتم‌های سنگین، به طور موثر برق تولید کند.

در حالی که این راکتور‌ها در حال حاضر برای اهداف تجاری در ایالات متحده مورد استفاده قرار نمی‌گیرند، این خوش بینی گسترده وجود دارد که آن‌ها ظرفیت ایجاد انقلاب در تولید برق و کمک به کاهش زباله‌های هسته‌ای را دارند. در آینده نزدیک،  «اس اف آر»‌ها به عنوان مسیری احتمالی برای تولید انرژی پاک‌تر و پایدارتر در نظر گرفته می‌شوند.

در این بیانیه رسمی تاکید شده است که در حال حاضر، این فناوری با مانع مهمی در ارتباط با اطمینان از خلوص مایع خنک‌کننده سدیم مایع با دمای بالا مواجه است.

حفظ این خلوص برای جلوگیری از خوردگی و گرفتگی سیستم بسیار مهم است. در پاسخ به این مسائل، دانشمندان آرگون این سیستم یادگیری ماشینی (ML) را ایجاد کردند.

با به کارگیری قدرت یادگیری ماشینی برای نظارت مستمر و تشخیص ناهنجاری‌ها، پیشرفت فناوری در کنترل ابزار دقیق است. الکساندر هیفتز، مهندس هسته‌ای آزمایشگاه ملی آرگون، در بیانیه مطبوعاتی گفت: این امر پیشرفتی در کارایی و مقرون به صرفه بودن سیستم‌های انرژی هسته‌ای ایجاد خواهد کرد.

این کاری است که تمام مدل‌های یادگیری ماشین می‌توانند انجام دهند. از این رو محققان با در نظر گرفتن انواع معیار‌های عملیاتی، یک مدل یادگیری ماشین ایجاد کردند. نخستین مورد این بود که مدل یادگیری ماشین قادر به نظارت مداوم بر سیستم خنک کننده باشد.

این نشریه افزود: این مدل برای تجزیه و تحلیل داده‌های ۳۱ حسگر در مرکز آزمون مهندسی مکانیزم آرگون (METL) مجهز است که متغیر‌هایی مانند دما، فشار و نرخ جریان سیال را اندازه‌گیری می‌کند. تاسیسات مرکز آزمون مهندسی مکانیزم آرگون یک مجموعه آزمایشی بی‌نظیر است که برای ارزیابی مواد و اجزای پیشنهادی برای استفاده در این راکتور‌ها به روشی ایمن و دقیق توسعه یافته است.

همچنین به عنوان یک زمینه آموزشی برای مهندسان، تکنسین‌ها و حتی مدل‌های یادگیری ماشین عمل می‌کند که همه آن‌ها می‌توانند در بهره برداری و نگهداری این راکتور‌ها سهیم باشند. ادغام یک سیستم کامل تقویت شده توسط یادگیری ماشینی ممکن است نظارت را بهبود بخشد و خطر ناهنجاری‌هایی را که می‌تواند عملکرد راکتور را مختل کند، کاهش دهد.