원자력은 이제 미국에서 태양광과 풍력을 합친 것보다 더 많은 무탄소 전기를 생산합니다.
최적화를 통해 생산 비용을 줄일 수 있습니다.원자로 내부 깊은 곳에있는 연료봉. 그들은 반응을 유발하고 이상적인 위치에있을 때 연료를 덜 태우고 유지 보수가 덜 필요합니다. 수십 년의 시행 착오 끝에 원자력 엔지니어들은 값 비싼 연료봉의 수명을 연장하기 위해 더 나은 레이아웃을 개발하는 방법을 배웠습니다. 이제 인공 지능 (AI)이 그들을 도울 것입니다.
매사추세츠 공과대학 연구진Institute(MIT)와 Exelon은 설계 프로세스를 게임으로 전환함으로써 AI 시스템이 각각의 수명을 약 5% 연장할 수 있는 수십 개의 최적 로드 구성을 생성하도록 훈련될 수 있다고 믿습니다. 이를 통해 일반적인 발전소에서는 연간 약 300만 달러를 절약할 수 있습니다. 인공 지능 시스템은 인간보다 더 빠르게 최적의 솔루션을 찾고 안전한 시뮬레이션 환경에서 신속하게 설계를 변경할 수 있습니다.
“이 기술은 누구에게나 적용될 수 있습니다.MIT의 핵 과학 기술과 조교수 인 Korish Shirvan은 세계의 원자로에 대해 설명합니다. "미국 전력의 20 %를 공급하는 원자력 경제를 개선함으로써 우리는 전 세계 탄소 배출량의 증가를 제한하고이 중요한 청정 에너지 부문에 최고의 젊은 인재를 유치 할 수 있습니다."
일반적인 원자로에서는 연료봉이 일렬로 늘어서 있습니다.보드 위의 체스 말처럼 내부에 우라늄과 산화 가돌리늄 수준의 격자 또는 집합체로, 방사성 우라늄을 시작하는 반응과 희토류 가돌리늄이 속도를 늦추는 반응입니다. 이상적인 배열에서는 이러한 경쟁 충동이 균형을 이루어 효과적인 반응을 촉진합니다. 엔지니어들은 인간이 설계한 레이아웃을 개선하기 위해 기존 알고리즘을 사용하려고 노력해 왔지만 표준 100개 로드 어셈블리에는 천문학적으로 평가할 수 있는 변형이 있을 수 있습니다.
연구자들은 궁금해했습니다 ...체스, 바둑 등 게임에서 초인적인 기술을 가능하게 한 인공지능 기술인 심층강화학습(Deep Reinforcement Learning)은 검증 과정을 가속화합니다. 심층 강화 학습은 데이터의 패턴을 식별하는 데 탁월한 심층 신경망과 학습을 게임 승리와 같은 보상 신호에 연결하는 강화 학습을 결합합니다.
새로운 실험에서 연구원들은제한 사항에 따라 연료봉을 배치하여 각 쿠데타에 대해 더 많은 점수를 얻습니다. 연구자들이 선택한 각 제약 또는 규칙은 물리학 법칙에 기반한 수십 년의 전문 지식을 반영합니다. 에이전트는 예를 들어 어셈블리 가장자리에 저 우라늄 막대를 배치하여 반응 속도를 늦춤으로써 점수를 기록 할 수 있습니다.
"프로그래밍을 마친 후규칙에 따라 신경망이 매우 잘 작동하기 시작합니다.”라고 Shirvan 연구소의 박사후 연구원인 Majdi Radaideh 연구의 수석 저자는 말합니다. — 무작위 프로세스에 시간을 낭비하지 않습니다. 그들이 인간처럼 게임하는 법을 배우는 것을 보는 것은 재미있었습니다.”
강화 학습을 통해 AI는점점 더 복잡 해지는 게임을 인간만큼이나 더 잘합니다. 그러나 그 기능은 현실 세계에서 여전히 쓸모가 없습니다. 이제 연구자들은 강화 학습이 잠재력을 가지고 있음을 입증했습니다.
“이 연구는 흥미로운 예입니다.보드 및 비디오 게임에 인공 지능 기술을 사용하여 우리가 세계의 실제 문제를 해결하는 데 도움을줍니다.”연구 공동 저자 인 MIT Quest for Intelligence의 연구원 인 Joshua Joseph은 결론을 내립니다.
Exelon은 현재 가상 환경에서 인공 지능 시스템의 베타 버전을 테스트하고 있습니다. 회사 담당자에 따르면 시스템은 1 ~ 2 년 내에 구현할 준비가 될 수 있습니다.
더 읽어보기
달이 어떻게 나타 났는지보십시오. 고대 행성이 지구에 추락
고고학자들은 크리미아에서 고대 매장지를 발견했습니다. 내세에 "티켓"이 있었다
낙태와 과학 : 출산 할 아이들에게 일어날 일