米国では現在、原子力発電は太陽光発電と風力発電を合わせたよりも多くのカーボンフリー電力を生産しています
最適化することで生産コストを削減できます原子炉の奥深くにある燃料棒。それらは反応を引き起こし、理想的な位置にある場合、燃焼する燃料が少なくなり、メンテナンスも少なくて済みます。何十年にもわたる試行錯誤の末、原子力エンジニアは、高価な燃料棒の寿命を延ばすためのより良いレイアウトを開発することを学びました。今、人工知能（AI）が彼らを助けます。
マサチューセッツ工科大学の研究者Institute (MIT) と Exelon は、設計プロセスをゲームに変えることで、AI システムをトレーニングして数十の最適なロッド構成を生成し、それぞれのロッドの寿命を約 5% 延ばすことができると考えています。これにより、一般的な発電所では年間約 300 万ドルが節約されます。人工知能システムは、人間よりも早く最適なソリューションを見つけ出し、安全なシミュレートされた環境で設計を迅速に変更できます。
「このテクノロジーは誰にでも適用できます世界の原子炉は、MITの核科学技術部門の助教授である上級研究著者のKorishShirvanが説明しています。 「米国の電力の20％を供給する原子力発電の経済を改善することにより、世界の炭素排出量の増加を制限し、この重要なクリーンエネルギー部門に最高の若い才能を引き付けることができます。」
一般的な原子炉では、燃料棒が次のように並んでいます。ボード上のチェスの駒のような、内部のウランと酸化ガドリニウムのレベルのグリッドまたは集合体で、放射性ウランが反応を開始し、希土類ガドリニウムが反応を遅らせます。理想的な配置では、これらの競合する衝動がバランスをとって効果的な反応を促進します。エンジニアは従来のアルゴリズムを使用して人間が設計したレイアウトを改善しようと試みてきましたが、標準的な 100 ロッドのアセンブリには、評価すべき天文学的な数のバリエーションが存在する可能性があります。
研究者たちは次のことを疑問に思いました...深層強化学習は、チェスや囲碁などのゲームで超人的なスキルを実現した人工知能技術であり、検証プロセスを高速化します。深層強化学習は、データ内のパターンの識別に優れたディープ ニューラル ネットワークと、学習をゲームの勝利などの報酬信号に結び付ける強化学習を組み合わせたものです。
新しい実験では、研究者は彼らを訓練しました一連の制限に従って燃料棒を配置し、クーデターごとにより多くのポイントを獲得するエージェント。研究者によって選択された各制約またはルールは、物理法則に基づいた数十年にわたる専門家の知識を反映しています。エージェントは、たとえば、アセンブリの端に低ウランのロッドを配置してそこでの反応を遅くすることにより、ポイントを獲得できます。
「プログラミングが終わったら規則に従って、ニューラルネットワークは非常にうまく機能し始めます」と、シルヴァン研究室のポスドクであり、研究の筆頭著者であるマジディ・ラダイデ氏は述べています。 - ランダムなプロセスで時間を無駄にすることはありません。彼らが人間と同じようにゲームの遊び方を学んでいくのを見るのは楽しかったです。」
強化学習を通じて、AIは学習しましたますます複雑になるゲームや人間、またはそれ以上のゲームをプレイします。しかし、その機能は現実の世界では役に立たないままです。現在、研究者は強化学習に可能性があることを証明しています。
「この研究は刺激的な例です。ボードゲームやビデオゲームに人工知能技術を使用して、世界の実際的な問題を解決するのに役立てています」と、研究の共著者であるMIT Quest forIntelligenceのリサーチフェローであるJoshuaJosephは結論付けています。
Exelonは現在、仮想環境で人工知能システムのベータ版をテストしています。会社の代表者によると、システムは1、2年で実装の準備が整う可能性があります。
続きを読む
月がどのように現れたかを見てください。古代の惑星が地球に墜落した
考古学者はクリミアで古代の埋葬を発見しました。死後の世界への「切符」がありました
中絶と科学：出産する子供たちに何が起こるか