神经网络将使核反应堆更安全

神经网络将使核反应堆更安全

普渡大学（美国印第安纳州）的工程师正在开发一种新系统，该系统将通过使用人工智能（AI）系统显着提高核反应堆完整性检查的有效性。在科学期刊IEEE工业电子学杂志上发表的一篇文章中，科学家们讨论了机器学习朴素贝叶斯的框架 - 一种超精确的神经网络，能够根据各个视频帧的分析有效地检测反应堆中的裂缝。

“定期检查核电站组件对于确保其安全运行极为重要，”普渡大学莱尔土木工程师学院助理教授Mohammed Jahanshahi说。

“然而，目前的方法通常非常耗时，非常繁琐并且经常面临主观评估，因为基本上对视频材料的分析反应器中存在裂缝是由人类技术人员进行的。”

由Purdue的专家开发的自动分析系统使用包含大约300,000种不同裂缝和其他纹理特征的图像的数据库。即使当需要检查的反应器的元件在水下时，检查反应器系统的效率仍然很高，这通常是这种情况，因为反应器中的水用于冷却。由于这个系统，减少了对人类健康的风险。神经网络分析每个帧的每厘米以寻找裂缝，然后使用数据融合算法监视从一帧到另一帧的每个裂缝。

“联合数据处理可以提高进一步决策的充分性和效率，”Jahanshahi继续说道，并指出神经网络在裂缝定义中显示出98.3％的效率，这明显高于使用其他，甚至是最现代的方法和方法。

随着世界继续朝着可再生能源的方向发展，核能越来越不是主要的，而是一种替代方案，尽管是一种可靠的选择。如果仅仅因为太阳能或风力发电站具有许多限制并且其有效性主要取决于它们所处的天气运行条件，则可以解释放弃原子能的不可能性。

现代物理学的主要方向之一是寻找可再生能源的所谓“圣杯” - 利用核聚变来确保我们所有能源需求的可能性。尽管研究人员在稳定和支持核聚变反应方面取得了很好的成果，但我们尚未准备好依赖这种能源。因此，目前，使用原子能的唯一可行且最安全的选择仍然是核裂变方法，来自世界各地的更多研究人员正致力于提高安全性和效率。例如，专家观察所谓的液盐反应器的进展，其中冷却液的底部是熔盐的混合物，其可以在高温下工作同时保持在低压下，