Energia jądrowa wytwarza obecnie w USA więcej energii elektrycznej bezemisyjnej niż energia słoneczna i wiatrowa razem wzięte
Możesz obniżyć koszty produkcji poprzez optymalizacjępręty paliwowe w głębi reaktora jądrowego. Wyzwalają reakcje, a gdy są idealnie ustawione, spalają mniej paliwa i wymagają mniej konserwacji. Po dziesięcioleciach prób i błędów inżynierowie nuklearni nauczyli się opracowywać lepsze układy drogich prętów paliwowych, aby przedłużyć ich żywotność. Teraz pomoże im sztuczna inteligencja (AI).
Naukowcy z Massachusetts Institute of TechnologyInstitute (MIT) i Exelon uważają, że zamieniając proces projektowania w grę, system sztucznej inteligencji można wytrenować w zakresie generowania dziesiątek optymalnych konfiguracji wędek, które mogą wydłużyć żywotność każdej z nich o około 5%. Oszczędza to typową elektrownię około 3 milionów dolarów rocznie. System sztucznej inteligencji potrafi znaleźć optymalne rozwiązania szybciej niż człowiek i szybko zmieniać projekty w bezpiecznym, symulowanym środowisku.
„Ta technologia może być zastosowana dla każdegoreaktor jądrowy na świecie, wyjaśnia starszy autor badania Korish Shirvan, adiunkt na Wydziale Nauki i Technologii Jądrowej na MIT. „Poprawiając gospodarkę energią jądrową, która zapewnia 20% produkcji energii elektrycznej w USA, możemy pomóc ograniczyć wzrost globalnej emisji dwutlenku węgla i przyciągnąć najlepsze młode talenty do tego ważnego sektora czystej energii”.
W typowym reaktorze pręty paliwowe są ułożone w jednej liniisiatka lub zespół poziomów tlenku uranu i gadolinu wewnątrz, jak figury szachowe na planszy, z reakcjami rozpoczynającymi radioaktywny uran i gadolin ziem rzadkich, spowalniając je. W idealnym układzie te konkurencyjne impulsy są zrównoważone, aby promować skuteczne reakcje. Inżynierowie próbowali używać tradycyjnych algorytmów, aby ulepszyć układy zaprojektowane przez człowieka, ale standardowy zespół składający się ze 100 prętów może wymagać oceny astronomicznej liczby odmian.
Naukowcy zastanawiali się, czy...Uczenie się przez głębokie wzmacnianie, technika sztucznej inteligencji, która umożliwiła nadludzkie umiejętności w grach takich jak szachy i Go, przyspiesza proces weryfikacji. Uczenie się przez głębokie wzmacnianie łączy głębokie sieci neuronowe, które doskonale identyfikują wzorce w danych, z uczeniem się przez wzmacnianie, które łączy uczenie się z sygnałem nagrody, takim jak wygrana w grze.
W nowym eksperymencie naukowcy wyszkolili swojeAgent do umieszczania prętów paliwowych zgodnie z zestawem ograniczeń, zdobywając więcej punktów za każdy zamach stanu. Każde ograniczenie lub reguła wybrana przez naukowców odzwierciedla dziesiątki lat wiedzy eksperckiej opartej na prawach fizyki. Agent może zyskać punkty, na przykład umieszczając pręty o niskiej zawartości uranu na krawędziach zespołu, aby spowolnić tam reakcje.
„Po zaprogramowaniuzasad sieci neuronowe zaczynają działać bardzo dobrze” – mówi główny autor badania Majdi Radaideh, postdoc z laboratorium Shirvan. — Nie marnują czasu na losowe procesy. Zabawnie było patrzeć, jak uczą się grać w gry tak, jak robi to człowiek.
AI nauczyła się dzięki uczeniu się ze wzmocnieniemgranie w coraz bardziej złożone gry, jak ludzie, a nawet lepiej. Ale jego możliwości pozostają bezużyteczne w prawdziwym świecie. Teraz naukowcy udowodnili, że uczenie się przez wzmacnianie ma potencjał.
„To badanie jest ekscytującym przykłademwykorzystanie technologii sztucznej inteligencji w grach planszowych i wideo, aby pomóc nam w rozwiązywaniu praktycznych problemów na świecie ”- podsumowuje współautor badania Joshua Joseph, pracownik naukowy MIT Quest for Intelligence.
Exelon testuje obecnie wersję beta systemu sztucznej inteligencji w środowisku wirtualnym. Według przedstawiciela firmy system może być gotowy do wdrożenia za rok lub dwa.
Czytaj więcej
Zobacz, jak pojawił się księżyc. Starożytna planeta uderzyła w Ziemię
Archeolodzy znaleźli starożytny pochówek na Krymie. Był „bilet” do zaświatów
Aborcja i nauka: co stanie się z dziećmi, które będą rodzić