想要更便宜的核能吗?将设计过程转变为人工智能的游戏

用于沸水反应器的AI设计布局

在该AI设计的沸水反应器的布局中,燃料棒理想地定位在两个固定水杆周围以更有效地燃烧。麻省理工学院研究人员相当于36,000模拟,以找到最佳配置,这可能将杆的寿命延长为大约5%,如果缩小到完整的反应堆,则每年节省300万美元。颜色对应于各杆中的不同量的铀和钆氧化物。信用:Majdi Radaideh / MIT

研究人员表明,深增强学习可用于设计更高效的核反应堆。

核能在美国提供比太阳能和风能更多的碳电量,使其成为抗击气候变化的关键球员。但美国核舰队是老化,经营者在压力下,简化了他们的行动,以与煤气和燃气植物竞争。

削减成本的关键位置之一是反应堆核心深处,产生能量。如果驱动反应的燃料棒理想地放置,它们燃烧较少的燃料并需要更少的维护。通过数十年的审判和错误,核工程师已经学会了设计更好的布局,以延长昂贵的燃料棒的寿命。现在,人工智能准备让他们提升。

研究人员麻省理工学院和Exelon表明,通过将设计过程转变为游戏,可以培训AI系统以产生数十种最佳配置,可以使每个杆更长约5%,节省典型的电厂每年估计300万美元,研究人员估计为300万美元报告。AI系统还可以比人类更快地找到最佳解决方案,并在安全的模拟环境中快速修改设计。他们的结果于2020年12月在杂志上发表核工程与设计

“这项技术可以应用于世界上任何核反应堆,”该研究的高级作家Koroush Shirvan表示,麻省理工学院核科学与工程系助理教授Kororeh Shirvan说。“通过改善核能经济学,供应美国20%的电力,我们可以帮助限制全球碳排放的增长,并吸引最重要的清洁能源部门的最佳青少年。”

在典型的反应器中,燃料棒在网格或组装上排列,通过它们的铀和钆氧化物的水平,如棋子在板上,放射性铀的驱动反应,稀土钆放缓。在理想的布局中,这些竞争的冲动平衡促进有效的反应。工程师尝试使用传统算法来改善人类设计的布局,但在标准的100杆组件中可能存在评估的天文数量。到目前为止,他们的成功取得有限。

研究人员想知道深入加强学习,一种在棋游戏中实现超人掌握的AI技术,可以让筛选过程更快。深度加强学习结合了深度神经网络,擅长挑选数据中的曲线,加强学习,与赢得游戏时的奖励信号,如在超级马里奥兄弟那样赢得游戏的奖励信号。

在这里,研究人员培训了他们的代理将燃料棒定位在一组约束下,每个有利的移动赚更多点。研究人员挑选的每个约束或规则都反映了植根于物理法律的几十年。代理人可以衡得点,例如,通过将低铀棒定位在组装边缘上,以减慢那里的反应;通过散布钆“毒药”棒以保持一致的燃烧水平;并将毒膏的数量限制在16到18之间。

“在规则中导线后,神经网络开始采取非常好的行动,”Shirvan实验室的Postdoc博士的领先作家Majdi Radaideh说。“他们不会在随机过程中浪费时间。看着他们学会像人类那样玩游戏很有趣。“

通过加强学习,AI已经学会了越来越复杂的游戏以及比人类更好。但它的能力在现实世界中仍然不存在。在这里,研究人员表明,增强学习具有潜在的强大应用。

“这项研究是转移AI技术的令人兴奋的例子,即用于玩棋盘游戏和视频游戏,以帮助我们解决世界上的实际问题,”麻省理工学院追求的研究科学家研究科学家研究科学家学习。

Exelon现在正在测试在模拟沸水反应器内的组装的虚拟环境中的AI系统的测试版,以及加压水反应器内的大约200个组件,这是全球最常见的反应器类型。基于芝加哥,伊利诺伊州的Exelon拥有并在美国拥有21个核反应堆。公司发言人说,它可以准备好在一年内实施系统。

参考:“物理知识强化学习优化核装配设计”由Majdi I. Radaideh,Isaac Wolverton,Joshua Joseph,James J. Tusar,Uuganbayar Otgonbaatar,Nicholas Roy,Benoit忘记和Kororeh Shirvan,2020年12月5日,核工程与设计
DOI:10.1016 / J.Nucengdes.202010110966

该研究的其他作者是一名MIT高级的Isaac Wolverton,他通过本科研究机会计划加入了该项目;尼古拉斯罗伊和贝诺特忘记了麻省理工学院;和Exelon的詹姆斯特萨尔和UGI Otgonbaatar。

是第一个评论“想要更便宜的核能?将设计过程变成人工智能的游戏”

发表评论

电子邮件地址是可选的。如果提供的话,您的电子邮件不会发布或共享。