Actualment, l’energia nuclear és la font que proporciona més electricitat lliure de carboni als Estats Units respecte la solar i l’eòlica juntes, per tant, la converteix en un actor clau en la lluita contra el canvi climàtic. Però les plantes nuclears dels EUA està envellint fet que provoca que els seus operadors pressionin per racionalitzar les seves operacions.
Una de les parts clau per reduir els costos d'aquestes centrals és el nucli del reactor, què és on es produeix energia. Si les barres que provoquen reaccions es col·loquen idealment, cremen menys combustible nuclear per tant, necessiten menys manteniment. Al llarg de dècades d’experiència, els enginyers nuclears han après a fer dissenys millors per allargar la vida útil de les barres de combustible què són molt cares. Ara, la intel·ligència artificial està preparada per donar suport.
Convertint el procés del disseny en un joc, es pot entrenar un sistema d’IA per generar moltes configuracions òptimes que poden fer que cada barra de combustible nuclear duri aproximadament un 5 € més, provocant un estalvi aproximat d'uns 3 M€ a l’any. El sistema d’intel·ligència artificial també pot trobar més ràpidament òptimes solucions de com ho farien els humans i així, modificar ràpidament els dissenys en un entorn segur i simulat.
Aquesta tecnologia es pot aplicar a qualsevol reactor nuclear del món. En millorar la rendibilitat de l'energia nuclear, que actualment subministra el 20 % de l'electricitat generada als Estats Units, es pot ajudar a limitar el creixement de les emissions mundials de carboni i atraure talent jove a aquest important sector de les energies netes.
En un reactor típic, les barres de combustible s’alineen sobre una xarxa o conjunt, segons els seus nivells d’urani i òxid de gadolini, com les peces d’escacs en un tauler, amb reaccions de conducció d’urani radioactiu i el gadolini que les ralentitzen. En un disseny ideal, aquesta combinació s’equilibra per generar reaccions eficients. Els enginyers han provat d’utilitzar algoritmes tradicionals per millorar els dissenys concebuts per l’home, però en un conjunt estàndard de 100 varetes poden sorgir moltes combinacions per avaluar. ç
Els investigadors, es van preguntar si el deep learning, una tècnica d’intel·ligència artificial, podría fer que el procés de selecció vagi més ràpid. El Deep Learning combina les xarxes neuronals, que destaquen en la selecció de patrons.
Per això, es va entrenar el seu agent per situar les barres de combustible nuclear sota un conjunt de restriccions, guanyant la captació de més punts per cada moviment de les barres. Cada restricció, o regla escollida, reflecteix dècades de coneixement expert arrelat a les lleis de la física. L'agent pot obtenir punts, per exemple, posicionant les barres de combustible nuclear de baix urani properes al conjunt i així reduir la reacció.
Un cop establertes i introduïdes les regles, les xarxes neuronals comencen a fer accions de manera què, no perden temps en processos aleatoris.
Mitjançant el deep-learning, la IA ha après a jugar a jocs cada vegada més complexos, o bé o millor que els humans. Però les seves capacitats encara no han estat del tot provades al món real. Per això, es creu el deep-learnig té aplicacions molt potentes.
Aquest estudi és un exemple de com transferir una tècnica d'intel·ligència artificial per jugar a jocs de taula i videojocs per ajudar-nos a resoldre problemes pràctics del món.
Exelon, està provant una versió beta del sistema d’IA en un entorn virtual que imita un conjunt de barres de combustible nuclear dins d’un reactor d’aigua bullent i uns 200 conjunts dins d’un reactor d’aigua a pressió, que és el tipus de reactor més comú a nivell mundial. Amb seu a Chicago, Illinois, Exelon posseeix i opera 21 reactors nuclears a tots els Estats Units.
Font: Departament de Ciències i Enginyeria Nuclear del MIT.
Cap comentari:
Publica un comentari a l'entrada