I en banbrytande utveckling har forskare vid Brigham Young University (BYU) upptäckt hur artificiell intelligens kan drastiskt förkorta och effektivisera processen för att designa och licensiera nya kärnreaktorer. Detta genombrott skulle kunna spara både tid och pengar i mångmiljardklassen, vilket är avgörande för att möta framtidens ökande energibehov på ett miljövänligt sätt.
Vid första anblick kan kombinationen av AI och kärnkraft låta som något ur en science fiction-film. Men Matthew Memmott, professor i kemiteknik vid BYU, försäkrar att det inte handlar om att ge AI kontroll över kärnvapen. Istället handlar det om att dramatiskt påskynda processen för att få fler kärnkraftverk online och i drift.
I dagsläget tar det vanligtvis omkring 20 år och kostar cirka 1 miljard dollar att licensiera en ny kärnreaktordesign i USA. Att sedan bygga reaktorn kräver ytterligare 5 år och mellan 5 och 30 miljarder dollar. Genom att implementera AI i den tidskrävande beräkningsbaserade designprocessen uppskattar Memmott att man kan korta ned den totala tidslinjen med ett decennium eller mer. Detta skulle innebära besparingar på miljontals dollar - en kritisk faktor med tanke på nationens växande energibehov.
"Vår efterfrågan på elektricitet kommer att skjuta i höjden under de kommande åren och vi måste lista ut hur vi snabbt kan producera ytterligare kraft," förklarar Memmott. "Den enda basbelastningskraft vi kan producera i de gigawattmängder som behövs, och som är helt utsläppsfri, är kärnkraft. Att kunna minska tiden och kostnaderna för att producera och licensiera kärnreaktorer kommer att göra den kraften billigare och till ett mer genomförbart alternativ för miljövänlig kraft för att möta framtida efterfrågan."
För att förstå varför AI kan göra en så stor skillnad är det viktigt att först förstå komplexiteten i att designa en kärnreaktor. Enligt Memmott kräver processen multiskaliga insatser där ingenjörer måste hantera element från neutroner på kvantnivå ända upp till kylmedelsflöde och värmeöverföring på makronivå.
Dessutom finns det flera lager av fysik som är "tätt kopplade" i processen. Rörelsen av neutroner är tätt kopplad till värmeöverföringen, som i sin tur är tätt kopplad till materialen. Detta är sedan kopplat till korrosion, som är kopplat till kylmedelsflödet. Denna komplexa väv av samband gör designprocessen extremt tidskrävande och resurskrävande.
"Många av dessa reaktordesignproblem är så massiva och involverar så mycket data att det tar månader för team av människor som arbetar tillsammans för att lösa problemen," berättar Memmott. "När jag arbetade på Westinghouse tog det teamet av neutronexperter sex månader bara för att köra en av deras fullständiga kärnfysiska modeller. Och om de gjorde ett misstag två månader in, så slösade de bara bort två månader av värdefull beräkningstid och de skulle behöva börja om från början."
Memmotts forskning visar att AI kan minska denna tunga tidsbörda avsevärt. I tekniska termer bevisar hans forskning konceptet att ersätta en del av de nödvändiga termiska hydrauliska och neutroniska simuleringarna med en tränad maskininlärningsmodell. Denna modell kan förutsäga temperaturprofiler baserat på geometriska reaktorparametrar som är variabla, och sedan optimera dessa parametrar.
Resultatet skulle skapa en optimal kärnreaktordesign till en bråkdel av den beräkningskostnad som krävs av traditionella designmetoder. För att testa detta byggde Memmott och hans kollegor vid BYU ett dussin maskininlärningsalgoritmer för att undersöka deras förmåga att bearbeta den simulerade data som behövs för att designa en reaktor.
De identifierade de tre bästa algoritmerna och förfinade sedan parametrarna tills de hittade en som fungerade riktigt bra och kunde hantera en preliminär datauppsättning som ett konceptbevis. Det fungerade, och de publicerade en artikel om det. Därefter tog de modellen och (för en andra artikel) testade den på ett mycket svårt kärndesignproblem: optimal kärnstrålskärmsdesign.
De resulterande artiklarna, som nyligen publicerades i den akademiska tidskriften Nuclear Engineering and Design, visade att deras förfinade modell kan geometriskt optimera designelementen mycket snabbare än den traditionella metoden. Till exempel tog det Memmotts AI-algoritm bara två dagar att komma fram till en optimal skärmdesign för en kärnreaktor, medan det lokala företaget Alpha Tech Research Corp. tog sex månader för att göra samma sak.
Memmott liknar processen vid att söka efter en nål i en höstack. "När man tittar på kärnreaktordesign har man detta enorma designutrymme av möjligheter - det är som om man har människor som kammar igenom ett milsbrett område som letar efter rätt reaktordesign," förklarar han. "Nu kan AI hjälpa dessa människor att fokusera på den lilla myntstora söta fläcken av design som dramatiskt kommer att minska söktiden."
Det är viktigt att notera att människor fortfarande fattar de slutgiltiga designbesluten och utför alla säkerhetsbedömningar. AI:s roll är att spara en betydande mängd tid i början av processen.
För den genomsnittliga medborgaren kan allt detta verka abstrakt och avlägset. Men implikationerna av denna forskning är faktiskt mycket relevanta för vardagslivet. Här är några konkreta sätt som denna utveckling kan påverka oss alla:
BYU:s forskning representerar ett betydande genombrott i skärningspunkten mellan AI och kärnkraft. Genom att använda maskininlärning för att optimera designprocessen för kärnreaktorer har forskarna visat att det är möjligt att dramatiskt minska tiden och kostnaderna för att utveckla nya kärnkraftverk.
Detta framsteg kommer i en kritisk tid när världen står inför växande energibehov och en brådskande nödvändighet att minska koldioxidutsläppen. Kärnkraft, som en ren och effektiv energikälla, kan spela en nyckelroll i att möta dessa utmaningar. Med hjälp av AI kan vi potentiellt accelerera utvecklingen och implementeringen av säkrare, effektivare och mer ekonomiska kärnreaktorer.
Medan det fortfarande finns utmaningar att övervinna och säkerhetshänsyn att ta, representerar denna forskning ett lovande steg framåt. Det visar hur avancerad teknologi kan användas för att ta itu med några av våra mest pressande globala problem.
För framtiden kan vi förvänta oss att se fortsatt integration av AI inom energisektorn, inte bara inom kärnkraft utan också inom andra områden av energiproduktion och distribution. Detta kan leda till ett mer effektivt, hållbart och motståndskraftigt energisystem som gynnar oss alla.
Samtidigt som vi firar dessa framsteg är det viktigt att fortsätta prioritera säkerhet, noggrann reglering och offentlig dialog om energipolitik. Kärnkraft förblir ett kontroversiellt ämne för många, och det är avgörande att alla beslut om dess framtid fattas med full hänsyn till både potentiella fördelar och risker.
Avslutningsvis markerar BYU:s forskning en spännande ny riktning i vår strävan efter ren, pålitlig och överkomlig energi. Genom att utnyttja kraften i AI för att förbättra kärnkraftsteknologin tar vi ett betydande steg mot en ljusare och mer hållbar energiframtid.
Läs även: https://www.techhubben.se/blogs/cord-cutting-2024-sag-farval-till-kabel-tv
