Jaderná energie nyní v USA vyrábí více bezuhlíkové elektřiny než solární a větrná energie dohromady
Optimalizací můžete snížit výrobní nákladypalivové tyče, hluboko uvnitř jaderného reaktoru. Vyvolávají reakce a při ideální poloze spalují méně paliva a vyžadují méně údržby. Po desetiletích pokusů a omylů se jaderní inženýři naučili, jak vyvinout lepší uspořádání drahých palivových tyčí, aby se prodloužila jejich životnost. Nyní jim umělá inteligence (AI) pomůže.
Vědci z Massachusettského technologického institutuInstitute (MIT) a Exelon věří, že přeměnou procesu návrhu na hru lze AI systém vytrénovat tak, aby generoval desítky optimálních konfigurací tyčí, které mohou prodloužit životnost každé z nich o přibližně 5 %. Typická elektrárna tak ušetří přibližně 3 miliony dolarů ročně. Systém umělé inteligence dokáže najít optimální řešení rychleji než člověk a rychle měnit návrhy v bezpečném, simulovaném prostředí.
"Tuto technologii lze aplikovat na kohokoli."jaderný reaktor na světě, vysvětluje vedoucí studie Korish Shirvan, odborný asistent na katedře jaderné vědy a technologie na MIT. "Zlepšením ekonomiky jaderné energie, která dodává 20% elektřiny v USA, můžeme pomoci omezit růst globálních emisí uhlíku a přilákat ty nejlepší mladé talenty do tohoto důležitého odvětví čisté energie."
V typickém reaktoru jsou palivové tyče uspořádány v řaděmřížka nebo sestava úrovní oxidu uranu a gadolinia uvnitř, jako šachové figurky na šachovnici, přičemž reakce spouštějící radioaktivní uran a gadolinium vzácných zemin je zpomalují. V ideálním uspořádání jsou tyto konkurenční impulsy vyváženy tak, aby podporovaly efektivní reakce. Inženýři se pokusili použít tradiční algoritmy ke zlepšení rozvržení navržených člověkem, ale standardní sestava se 100 tyčemi může mít astronomický počet variant k vyhodnocení.
Vědce zajímalo, zda...Učení hlubokého posílení, technika umělé inteligence, která umožnila nadlidské dovednosti ve hrách, jako jsou šachy a Go, urychluje proces ověřování. Učení hlubokého posílení kombinuje hluboké neuronové sítě, které jsou vynikající při identifikaci vzorců v datech, s učením posílením, které spojuje učení se signálem odměny, jako je výhra ve hře.
V novém experimentu vědci cvičili svéagent umístit palivové tyče podle souboru omezení a vydělat více bodů za každý převrat. Každé omezení nebo pravidlo zvolené vědci odráží desetiletí odborných znalostí založených na fyzikálních zákonech. Přípravek může bodovat například umístěním tyčí s nízkým obsahem uranu na okraje sestavy, aby tam zpomalil reakce.
„Až jsi naprogramovalpravidel, začnou neuronové sítě fungovat velmi dobře,“ říká hlavní autor studie Majdi Radaideh, postdoktorka z laboratoře Shirvan. — Neztrácejí čas náhodnými procesy. Bylo zábavné sledovat, jak se učí hrát hry jako člověk.“
Prostřednictvím Reinforcement Learning se AI naučilahraní stále složitějších her i lidí, nebo ještě lépe. Ale jeho schopnosti zůstávají v reálném světě zbytečné. Nyní vědci prokázali, že posilování učení má potenciál.
"Tato studie je vzrušujícím příkladem."používání technologie umělé inteligence pro deskové a videohry, které nám pomáhají řešit praktické problémy ve světě, “uzavírá spoluautor studie Joshua Joseph, výzkumný pracovník MIT Quest for Intelligence.
Exelon v současné době testuje beta verzi systému umělé inteligence ve virtuálním prostředí. Podle zástupce společnosti může být systém připraven k implementaci za rok nebo dva.
Přečtěte si více
Podívejte se, jak se objevil měsíc. Starověká planeta narazila do Země
Archeologové našli starověký pohřeb na Krymu. Byl tam „lístek“ do posmrtného života
Potrat a věda: co se stane s dětmi, které porodí