Нуклеарна енергија сада производи више електричне енергије без угљеника у САД него соларна енергија и ветар заједно
Оптимизацијом можете смањити трошкове производњегоривне шипке, дубоко унутар нуклеарног реактора. Они покрећу реакције и када су идеално постављени, сагоревају мање горива и захтевају мање одржавања. После деценија покушаја и грешака, нуклеарни инжењери научили су да развијају бољи распоред скупих горивних шипки како би им продужили животни век. Сада ће им помоћи вештачка интелигенција (АИ).
Истраживачи са Технолошког института у МасачусетсуИнститут (МИТ) и Екелон верују да претварањем процеса дизајна у игру, систем вештачке интелигенције може бити обучен да генерише десетине оптималних конфигурација штапа које могу продужити живот сваке од њих за око 5%. Ово штеди типичну електрану око 3 милиона долара годишње. Систем вештачке интелигенције може да пронађе оптимална решења брже од човека и да брзо промени дизајн у безбедном, симулираном окружењу.&нбсп;
„Ова технологија се може применити на било когануклеарни реактор у свету, објашњава виши аутор студије Корисх Схирван, доцент на Одељењу за нуклеарну науку и технологију на МИТ-у. „Побољшавањем економије нуклеарне енергије, која снабдева 20% америчке електричне енергије, можемо помоћи у ограничавању раста глобалних емисија угљеника и привући најбоље младе таленте у овај важан сектор чисте енергије.“
У типичном реактору, горивне шипке су поређанемрежа или склоп нивоа уранијума и гадолинијум оксида унутар, попут шаховских фигура на табли, са реакцијама које покрећу радиоактивни уранијум и реткоземни гадолинијум који их успоравају. У идеалном аранжману, ови конкурентски импулси су избалансирани како би промовисали ефективне одговоре. Инжењери су покушали да користе традиционалне алгоритме за побољшање распореда које је дизајнирао човек, али стандардни склоп од 100 шипки може имати астрономски број варијација за процену.&нбсп;
Истраживачи су се питали да ли...Дубоко учење уз помоћ, техника вештачке интелигенције која је омогућила надљудску вештину у играма као што су шах и Го, убрзава процес верификације. Дубоко учење уз помоћ комбинује дубоке неуронске мреже, које су одличне у идентификацији образаца у подацима, са учењем са појачањем, које повезује учење са сигналом награде, као што је победа у игри.
У новом експерименту истраживачи су обучили својеагент да постави горивне шипке према скупу ограничења, зарађујући више бодова за сваки пуч. Свако ограничење или правило које су изабрали истраживачи одражава деценије стручног знања заснованог на законима физике. Агент може да постигне бодове, на пример, постављањем шипки са ниским уранијумом на ивице склопа како би тамо успорио реакције.
„Након што сте програмиралиправила, неуронске мреже почињу да раде веома добро“, каже главни аутор студије Мајди Радаидех, постдоктор из лабораторије у Ширвану. —&нбсп;Не&нбсп;не губе време на&нбсп;насумичне процесе. Било је забавно гледати их како уче да играју игрице као што то људи раде."
Кроз појачано учење, АИ је научиоиграјући све сложеније игре као и људи, или чак и боље. Али његове могућности остају бескорисне у стварном свету. Сада су истраживачи доказали да учење ојачавањем има потенцијала.
„Ова студија је узбудљив примеркористећи технологију вештачке интелигенције за друштвене и видео игре како би нам помогли да решимо практичне проблеме у свету “, закључује коаутор студије Јосхуа Јосепх, истраживач на МИТ Куест фор Интеллигенце.
Екелон тренутно тестира бета верзију система вештачке интелигенције у виртуелном окружењу. Према представнику компаније, систем ће можда бити спреман за примену за годину или две.
Опширније
Погледајте како се месец појавио. Древна планета срушила се на Земљу
Археолози су пронашли древни погреб на Криму. Постојала је „карта“ за загробни живот
Побачај и наука: шта ће бити са децом која ће се родити