Jak sztuczna inteligencja ulepsza reaktory jądrowe?

Naukowcy związani z Argonne National Laboratory twierdzą, że sztuczna inteligencja może pomóc w badaniach nad właściwościami typów stopionych soli. Te są jednym z kluczowych elementów w kontekście funkcjonowania reaktorów jądrowych.
Jak sztuczna inteligencja ulepsza reaktory jądrowe?

O swoich dokonaniach badacze piszą w Physical Review B. Dlaczego w ogóle sole miałaby być ważne dla reaktorów? Ponieważ posiadają zdolność do absorbowania i przechowywania ciepła. Stopione sole mogą być wykorzystywane w formie chłodziwa, jak i paliwa. Poza tym przechowują duże ilości energii, co jest niezwykle istotne w sieci ze zmiennymi źródłami energii, takimi jak wiatr i słońce.

Czytaj też: Sztuczna inteligencja zadecyduje, czy dostaniesz pracę. Australia walczy z kontrowersjami

Oczywiście sól zebrana ze stołu kuchennego nie nada się do chłodzenia reaktorów jądrowych, ale naukowcy testują różne jej kombinacje. Chodzi rzecz jasna o uzyskanie przydatnych właściwości, takich jak choćby niższa temperatura topnienia, odpowiednia konsystencja i zdolność do pochłaniania dużych ilości ciepła. W szukaniu najlepszych wariantów pomogła placówka Advanced Photon Source (APS).

Wykorzystaliśmy wyniki eksperymentalne z APS do walidacji naszej symulacji. Jednocześnie wyniki symulacji dostarczyły nam więcej szczegółów na temat tego, które sole należy dalej badać. Pracują one ze sobą. To pozwala nam badać wiele kompozycji w tym samym czasie.   wyjaśnia Jicheng Guo

Sztuczna inteligencja i reaktory jądrowe to zaskakująco dopasowany duet

Wykorzystując promieniowanie rentgenowskie, członkowie zespołu kierowanego przez Guo mogli dokładnie przeanalizować struktury poszczególnych mieszanin. Technika zwana dyfrakcją wysokoenergetycznego promieniowania rentgenowskiego umożliwia identyfikowanie wzorów generowanych przez wiązki promieniowania rentgenowskiego rozpraszane na próbce stopionej soli.

Czytaj też: Nie megawaty, lecz waty. Takie są możliwości sztucznej inteligencji

Następnie naukowcy posiłkowali się uczeniem maszynowym, tworząc model do analizy stopionych soli. Takowy może oferować przewidywania na podstawie zasad, zamiast na zestawie predefiniowanych odpowiedzi. W ramach dalszych działań autorzy zamierzają pracować z jeszcze bardziej złożonymi danymi.