AI 即時監控核能系統死角 提升安全與效率

無論是家用或工業用途，能源選擇始終是熱門議題。在眾多選項中，核能雖具備高效能優勢，卻需要嚴密的監控系統與安全程式。如今，機器學習技術正為核能系統的關鍵元件監測帶來革新，大幅提升異常反應速度。

伊利諾大學厄巴納-香檳分校核子、等離子與放射工程學系助理教授賽義德·巴哈丁·阿拉姆，率領團隊與伊利諾計算計畫的人工智慧專家合作，開發出革命性的即時監測技術。這項技術的預測速度比傳統計算流體力學模擬快上1,400倍，研究團隊成員包含NCSA研究助理小林和真與NPRE研究生法裡德·艾哈邁德。

這項發表於《npj材料降解》期刊的研究，採用深度學習運運算元替代模型驅動的虛擬感測器，有效補足實體感測器在監測關鍵劣化指標時的不足。傳統感測器難以在惡劣環境或死角區域取得完整資料，而傳統物理數值模擬方法又無法滿足核電廠即時預測的需求。

研究採用的深度運運算元神經網路(DeepONet)經過圖形處理器訓練後，能即時精準預測整個場域的多物理場完整解。這項技術特別針對壓水式反應爐熱段的關鍵熱液壓引數進行預測，成功突破實體感測器與傳統建模的侷限。

阿拉姆教授強調：「核反應爐元件長期處於高溫、高壓與輻射環境，完善的監測系統對安全與效率至關重要。我們並非取代人為監督，而是開創監測系統元件潛在故障的新方法。」

透過伊利諾計算計畫，團隊運用NCSA的Delta超級計算資源，在CPU節點生成資料，並使用搭載NVIDIA A100 GPU的計算節點進行模型訓練與評估。阿拉姆教授特別感謝NCSA的AI驅動科學計算與高效能運算專家給予關鍵支援。

NCSA資深技術副主任塞伊德·科裡克指出：「這項合作充分展現當先進AI方法、超級計算資源與領域專業知識交匯時，所能產生的加乘效應。」NCSA研究科學家阿布埃達也表示，跨領域合作不僅加速研究程序，更提升核安措施的準確性與可靠性。

這項突破性研究證實，計算科學在解決核能關鍵挑戰方面具有巨大潛力。研究團隊將持續推動這項跨領域合作，為複雜能源系統開發變革性解決方案。

[end]