工程研究发现加速核电的关键：人工智能
杨百翰大学的一位教授找到了一种方法，可以将现代核反应堆复杂的设计和许可流程缩短至关键的几年：人工智能。你没听错，人工智能正在与核能合作。虽然这听起来像是科幻电影中的一个令人担忧的情节，但化学工程教授马特·梅莫特 (Matt Memmott) 表示，事实并非如此；没有人将核密码交给人工智能。这一切都是为了加快让更多核能上线的进程。
在美国，获得新核反应堆设计许可的典型时间和成本约为 20 年和 10 亿美元。然后建造该反应堆需要额外五年时间和 50 至 300 亿美元。通过在耗时的计算设计过程中使用人工智能，Memmott 估计可以将总体时间表缩短十年或更长时间，从而节省数百万美元——考虑到国家迫在眉睫的能源需求，这应该至关重要。
梅莫特说：“未来几年我们对电力的需求将会猛增，我们需要想办法快速生产额外的电力。”
“我们能够生产出满足千兆瓦需求且完全无排放的基载电力的唯一方式就是核能。能够减少生产和许可核反应堆的时间和成本将使核能更便宜，并成为满足未来需求的更可行的环保电力选择。”
梅莫特表示，设计和建造核反应堆非常复杂且耗时，因为它需要多尺度的努力。工程师要处理从量子尺度上的中子到宏观尺度上的冷却剂流动和热传递等各种元素。
他还表示，这一过程中存在多个“紧密耦合”的物理层面：中子的运动与热传递紧密耦合，热传递与材料紧密耦合，材料与腐蚀紧密耦合，腐蚀与冷却剂流动紧密耦合。
他说：“许多反应堆设计问题非常庞大，涉及大量数据，需要多个团队合作数月才能解决。”
“我在西屋公司工作时，中子研究小组花了六个月的时间才运行完一个完整的堆芯多物理模型。如果他们在两个月内犯了一个错误，那么他们就浪费了两个月宝贵的计算时间，他们不得不重新开始。”
Memmott 发现，人工智能可以减少这种繁重的时间负担，提高电力产量，不仅可以满足不断增长的需求，还可以降低普通消费者的电力成本。近年来，全国各地的房主和租户已经感受到了公用事业成本上涨的痛苦。
从技术上讲，梅莫特的研究证明了用训练有素的机器学习模型取代部分所需的热工水力和中子学模拟的概念，以根据可变的几何反应堆参数预测温度曲线，然后优化这些参数。
其结果将以传统设计方法所需计算费用的一小部分来创建最佳的核反应堆设计。
在他的研究所中，他和杨百翰大学的同事建立了十几种机器学习算法来检验它们处理设计反应堆所需的模拟数据的能力。
他们确定了前三种算法，然后改进参数，直到找到一种效果非常好的算法，可以处理初步数据集作为概念证明。它有效（他们发表了一篇论文），因此他们采用了该模型（在第二篇论文中）在一个非常困难的核设计问题上对其进行了测试：最佳核屏蔽设计。
论文发表在《核工程与设计》杂志上，表明他们改进的模型可以比传统方法更快地对设计元素进行几何优化。例如，Memmott 的人工智能算法只用了两天时间就为核反应堆设计出最佳屏蔽设计，而当地熔盐反应堆公司 Alpha Tech Research Corp. 则花了六个月才完成同样的设计。
“当你研究核反应堆设计时，你会发现有巨大的可能性设计空间——就好像有人仔细搜索这片一英里宽的区域以寻找正确的反应堆设计一样，”梅莫特说。
“现在，人工智能可以帮助人们专注于设计中那个四分之一大小的最佳点，这将大大减少搜索时间。当然，人类最终还是会做出最终的设计决策并进行所有的安全评估，但它在前端节省了大量时间。”
页:
[1]