Branduolinė energija dabar JAV pagamina daugiau elektros energijos be anglies nei saulės ir vėjo kartu paėmus
Optimizuodami galite sumažinti gamybos sąnaudaskuro strypai, giliai branduolinio reaktoriaus viduje. Jie sukelia reakcijas, o idealioje padėtyje sudegina mažiau degalų ir reikalauja mažiau priežiūros. Po dešimtmečių trukusių bandymų ir klaidų branduolių inžinieriai išmoko sukurti geresnių brangių kuro lazdelių išdėstymą, kad prailgintų jų gyvenimą. Dabar jiems padės dirbtinis intelektas (AI).
Masačusetso technologijos instituto mokslininkaiInstitute (MIT) ir Exelon mano, kad projektavimo procesą pavertus žaidimu, dirbtinio intelekto sistemą galima išmokyti generuoti daugybę optimalių meškerykočių konfigūracijų, kurios gali pailginti kiekvieno iš jų tarnavimo laiką maždaug 5%. Tai sutaupo tipinei elektrinei apie 3 mln. USD per metus. Dirbtinio intelekto sistema gali greičiau nei žmogus rasti optimalius sprendimus ir greitai pakeisti dizainą saugioje, imituojamoje aplinkoje.
„Šią technologiją galima pritaikyti bet kambranduolinis reaktorius pasaulyje “, - aiškina vyresnysis tyrimo autorius Korishas Shirvanas, Masačusetso technologijos instituto Branduolinio mokslo ir technologijos katedros docentas. „Gerindami atominės energijos, kuri tiekia 20% JAV elektros energijos, ekonomiką, mes galime padėti apriboti anglies dvideginio išmetimą ir pritraukti geriausius jaunus talentus į šį svarbų švarios energetikos sektorių.“
Įprastame reaktoriuje kuro strypai yra išdėstytiUrano ir gadolinio oksido lygių tinklelis arba rinkinys, kaip šachmatų figūrėlės ant lentos, o reakcijos paleidžia radioaktyvųjį uraną, o retųjų žemių gadolinis sulėtina jas. Idealiu atveju šie konkuruojantys impulsai yra subalansuoti, kad būtų skatinamas veiksmingas atsakas. Inžinieriai bandė naudoti tradicinius algoritmus, kad pagerintų žmonių sukurtus išdėstymus, tačiau standartinis 100 strypų rinkinys gali turėti astronominį skaičių variantų, kuriuos reikia įvertinti.
Tyrėjai domėjosi, ar...Deep sustiprinimo mokymasis, dirbtinio intelekto technika, kuri įgalino antžmogiškus įgūdžius žaidimuose, tokiuose kaip šachmatai ir „Go“, pagreitina patikrinimo procesą. Gilus sustiprinimo mokymasis sujungia gilius neuroninius tinklus, kurie puikiai atpažįsta duomenų modelius, ir sustiprinamą mokymąsi, kuris susieja mokymąsi su atlygio signalu, pavyzdžiui, laimėjimu žaidime.
Naujo eksperimento metu mokslininkai mokė juosagentas dėti kuro strypus pagal tam tikrus apribojimus, uždirbdamas daugiau taškų už kiekvieną perversmą. Kiekvienas tyrėjų pasirinktas suvaržymas ar taisyklė atspindi dešimtmečių ekspertų žinias, pagrįstas fizikos dėsniais. Agentas gali surinkti taškus, pavyzdžiui, ant agregato kraštų uždėdamas mažai urano strypų, kad sulėtintų reakcijas.
„Kai suprogramuositetaisykles, neuroniniai tinklai pradeda veikti labai gerai“, – sako tyrimo vadovė Majdi Radaideh, postdoc iš Shirvan laboratorijos. – Jie nešvaisto laiko atsitiktiniams procesams. Smagu buvo stebėti, kaip jie mokosi žaisti žaidimus kaip žmogus.
Mokydamasis sustiprinimo, AI išmokožaisti vis sudėtingesnius žaidimus taip pat kaip žmonės ar dar geriau. Tačiau realiame pasaulyje jo galimybės lieka nenaudingos. Dabar mokslininkai įrodė, kad mokymasis sustiprinti turi potencialą.
„Šis tyrimas yra įdomus pavyzdysdirbtinio intelekto technologijos naudojimas stalo ir vaizdo žaidimams padėti mums išspręsti praktines problemas pasaulyje “, - apibendrina tyrimo bendraautorius Joshua Josephas,„ MIT Quest for Intelligence “mokslinis bendradarbis.
„Exelon“ šiuo metu virtualioje aplinkoje bando dirbtinio intelekto sistemos beta versiją. Pasak bendrovės atstovo, sistema gali būti paruošta diegti po metų ar dvejų.
Skaityti daugiau
Pažiūrėkite, kaip pasirodė mėnulis. Senovės planeta rėžėsi į Žemę
Archeologai Kryme rado senovės laidojimą. Buvo „bilietas“ į pomirtinį pasaulį
Abortas ir mokslas: kas nutiks gimdantiems vaikams