САЩ използват изкуствен интелект, за да ускорят тестовете на ядрено гориво

Ядреното гориво за реакторите на бъдещето не може просто да бъде „изобретено“ и веднага заредено в активната зона, тъй като то трябва да бъде облъчвано, нагрявано, моделирано, унищожавано в лаборатории в продължение на години и да бъде доказано на регулаторните органи, че ще се държи безопасно. Сега САЩ се опитват да съкратят това дълго пътуване с помощта на изкуствен интелект: Interesting Engineering обсъжда как ИИ моделите могат да ускорят тестването на ядрено гориво за нови реактори, като не заместват експериментите, а ги правят по-прецизни и целенасочени.

Защо ядреното гориво е толкова трудно за проверка?

Ядреното гориво не е просто „материал, който отделя топлина“. Вътре в реактора, то работи в една от най-суровите среди, създавани някога от хората: висока температура, интензивно неутронно облъчване, налягане, химическо взаимодействие с обвивката, натрупване на продукти на делене и постепенна структурна промяна.

Горивната пелета може да се надуе, да се напука, да отделя газове, да промени топлопроводимостта си и да взаимодейства с металната обвивка. Всичко това трябва да се разбира не приблизително, а с висока точност, защото безопасната работа на реактора зависи от поведението на горивото.

При традиционния подход горивото се произвежда, зарежда се в изследователски реактор, облъчва се, след което се изважда и тества в горещи камери. Това може да отнеме години. Ако резултатът е неочакван, цикълът се повтаря.

Ето защо ядрената енергетика се развива по-бавно от много други технологии. Не е възможно да се работи по метода „опитай, поправи го бързо, пусни актуализация“. В ядрената сфера всяка промяна трябва да премине през дълъг път на доказване.

Какво точно прави изкуственият интелект?

Изкуственият интелект в тази история не „управлява реактора“ или не взема решения вместо инженерите. Основната му задача е да открива модели в данни, които са твърде сложни или големи, за да се анализират ръчно.

Доклад от Los Alamos National Laboratory описва подход, при който изкуственият интелект помага за по-бързото прогнозиране на поведението на горивото и повишава доверието в резултатите от моделирането. Той включва комбинация от експерименти, физически модели и машинно обучение.

Това е като медицинска диагноза. Лекарят все още взема решението, но алгоритъм може бързо да пресее хиляди изображения, да открие слабите сигнали и да предложи къде е най-висок рискът. В случая с ядреното гориво алгоритъмът разглежда експериментални данни, модели на материали и резултати от предишни тестове.

Изкуственият интелект може да отговори на практически въпроси: кой експеримент ще даде най-много информация, кои параметри имат най-силно влияние върху резултата, къде моделът има несигурност и къде неговото предсказание е вече достатъчно надеждно.

Защо старите данни са се превърнали в новото гориво за науката

Ядрената индустрия е натрупала огромни архиви от данни. В продължение на десетилетия изследователите облъчват гориво, измервайки температура, деформация, отделяне на газ, микроструктура, пукнатини и химични промени. Някои от тези данни се съхраняват в различни формати, доклади и лабораторни бази данни.

Проблемът е, че самият архив не е знание. Ако данните са разнородни, е трудно да се сравняват и използват за нови реактори.

Тук се намесва изкуственият интелект. Докладът от Argonne National Laboratory описва работа за превръщането на десетилетия ядрени изследвания в дигитален ресурс, който би могъл да помогне за създаването на по-добри горива за усъвършенстваните реактори.

Това е все едно да превърнете стари карти, полеви бележки и сателитни изображения в модерна навигационна система. Информацията вече съществува, но само цифровата обработка я прави наистина подходяща за бързи решения.

Механизъм: от експеримент до цифров двойник

Една от ключовите области е създаването на цифрови двойници. Цифровият двойник представлява компютърен модел на реален обект, който се актуализира с данни и се опитва да възпроизведе поведението му.

За ядрено гориво, такъв двойник може да симулира как горивната пелета се нагрява, напуква, натрупва газове, променя формата си и взаимодейства с обвивката. Ако моделът е достатъчно точен, това помага да се намали броят на „слепите“ експерименти.

Idaho National Laboratory разработва инструменти като MOOSE и BISON от години за моделиране на сложната физика в реакторите и горивата. В изявление на INL относно сътрудничеството с NVIDIA, лабораторията отбелязва, че изкуственият интелект, цифровите двойници и ускорените изчисления би трябвало да помогнат при проектирането, лицензирането, производството, изграждането и експлоатацията на реактори.

Идеята не е да се „вярва на думата на компютъра“. Напротив, цифровият двойник се тества постоянно с реални данни. Ако моделът е грешен, той се коригира. Ако предсказва добре поведението на материала, може да се използва за планиране на следващия експеримент.

Защо новите реактори се нуждаят от ново гориво

Съвременните търговски реактори използват предимно технология вода-вода и утвърдени видове гориво. Но реакторите от ново поколение могат да бъдат напълно различни: натриеви, газово охлаждани, високотемпературни, микрореактори или системи със стопени соли.

Те изискват различни температурни режими, различни обвивки, различни геометрии на горивото и различни изисквания за надеждност. Например, някои проекти разглеждат TRISO гориво, като микроскопични частици в многослойна обвивка, за които се предполага, че съдържат продукти на делене дори при много високи температури.

Горивото за такива системи не може да се взема автоматично от съществуващите реактори. Това е пречката: един реактор може да бъде начертан в CAD програма по-бързо, отколкото да се докаже, че горивото му ще се държи безопасно в продължение на десетилетия.

В по-широк контекст подобни изследвания са важни за реакторите от следващо поколение, които би трябвало да бъдат по-гъвкави, компактни и по-подходящи за мрежите за възобновяема енергия.

Политически натиск: необходими са по-бързи реактори

Интересът на САЩ към ускоряване на ядрените технологии надхвърля науката. Търсенето на електроенергия нараства благодарение на центровете за данни, електрификацията на промишлеността, новите производства и развитието на изкуствения интелект. Големите технологични компании все повече се обръщат към ядрената енергия като източник на стабилна, нисковъглеродна електроенергия.

На този фон, DOE Reactor Pilot Program създаде отделен път за демонстриране на усъвършенствани реактори и си постави за цел да постигне критична степен на поне три концепции извън националните лаборатории до 4 юли 2026 г.

Това е много амбициозен график. Той оказва натиск върху цялата система: разработчици, регулаторни органи, лаборатории, производители на горива и доставчици на материали.

Изкуственият интелект се разглежда като начин за намаляване на времето, прекарано в анализ, документиране, моделиране и избор на експерименти, но не може да премахне основното изискване: горивото трябва да е доказано безопасно в реални условия.

Защо това не означава „автоматизация на сигурността“

В ядрената индустрия всеки разговор за изкуствен интелект веднага повдига основателния въпрос: кой ще бъде подведен под отговорност, ако алгоритъмът допусне грешка?

Ето защо ключовата фраза в подобни програми е human-in-the-loop, тоест човекът остава в цикъла на вземане на решения. Сътрудничеството между INL и NVIDIA говори директно за работни процеси, при които изкуственият интелект помага на специалистите, а не ги замества.

Това е особено важно за ядреното гориво. Моделът може да предвиди, че даден материал ще оцелее при определен режим. Но инженерите трябва да проверят върху какви данни е обучен, какви допускания прави, къде са границите на неговата приложимост и какво ще се случи при аварийни сценарии.

С други думи, изкуственият интелект не трябва да бъде „черна кутия“, а инструмент с проверима логика. В ядрената сфера скоростта е ценна само когато не намалява прозрачността.

Какво би могло да промени това за климата и енергетиката

Ако подходът с изкуствен интелект наистина съкрати пътя за квалификация на горивото, това би могло да ускори пускането в експлоатация на нови реактори. Ядрената енергия има едно важно предимство: тя произвежда много електроенергия с ниски директни емисии на CO₂ и работи независимо от времето.

Това не го прави универсално решение. Ядрената енергетика е свързана със сложни проблеми с разходите, строителството, отпадъците, безопасността, доставките на уран и общественото доверие. Но в енергийна система, където слънчевата и вятърната енергия са все по-важни, стабилният източник на електроенергия би могъл да играе важна роля.

Що се отнася до климата, големият въпрос е дали новите реактори ще бъдат достъпни достатъчно бързо и достатъчно евтини, за да помогнат наистина за декарбонизацията. Именно тук ускоряването на производството на гориво, лицензирането и моделирането могат да окажат голямо влияние.

Това резонира с по-широката тема за това как изкуственият интелект променя енергийните технологии и се превръща не само в потребител на електроенергия, но и в инструмент за нейното производство.

Ограничения: Какво все още не може да прави изкуственият интелект

Изкуственият интелект може да анализира данните бързо, но не може да замести физиката. Ако липсват реални експерименти за определен вид гориво, един алгоритъм няма да създаде надеждност от нищото. Той може само да покаже къде несигурността е най-голяма.

Съществува и проблемът с качеството на данните. Старите ядрени експерименти може да са имали различни формати, различни грешки, различни условия и непълни записи. Преди обучението на модел, тези данни трябва да бъдат почистени, стандартизирани и валидирани.

Друго предизвикателство е доверието в регулаторните органи. Комисиите и експертите трябва да разберат как работи моделът, как е тестван и защо неговите прогнози могат да бъдат използвани за обосновка на безопасността.

Така че реалистичният сценарий е следният: ИИ не съкращава пътуването от десет години на десет дни. Той премахва ненужните цикли, помага за по-доброто планиране на експериментите и идентифицира рисковете по-бързо.

Какво означава това?

Използването на изкуствен интелект в тестването на ядрено гориво може да бъде една от най-важните, ако не и най-видимата, стъпка към ново поколение реактори. Обществеността често вижда изображения на компактни модулни реактори, но реалната им съдба до голяма степен зависи от това дали горивото може да бъде тествано бързо и надеждно.

Практическото значение е, че изкуственият интелект може да намали броя на скъпите и бавни итерации. Вместо да тестват десетки опции почти на случаен принцип, изследователите могат да изберат експериментите, които най-добре намаляват несигурността.

За науката това означава сближаване на три свята: ядрена физика, материалознание и машинно обучение. Именно в тяхното пресичане става възможно да се предскаже поведението на горивата не само въз основа на отделни тестове, но и на цялата история на натрупаните данни.

За енергийната индустрия това би могло да означава по-бърз преход от проектни решения към демонстрационни реактори. Но само ако скоростта не стане по-важна от проверката, прозрачността и независимия надзор.

Заключение

САЩ се опитват да направят за ядреното гориво това, което изкуственият интелект вече прави в медицината, материалознанието и авиацията: да откриват моделите по-бързо, да прогнозират рисковете по-точно и да планират скъпите експерименти по-интелигентно.

Това не е магически бутон за мигновено стартиране на реактори. Но ако ИИ моделите могат да помогнат за съкращаване на годините на тестване, без да се прави компромис с безопасността, те биха могли да се превърнат в скрития двигател на новата ядрена ера.