ИИ начал выявлять скрытые засоры в оборудовании ядерного реактора

Специалисты Аргоннской национальной лаборатории использовали волоконно-оптические датчики температуры и алгоритмы машинного обучения. Система отслеживает, как меняется теплообмен в разных участках установки, и по отклонениям пытается определить, где именно начал сужаться канал.

Для проверки ученые смоделировали 36 вариантов частичного перекрытия. Между собой сравнили восемь алгоритмов. Лучше остальных с задачей справился XGBoost: он различал нормальную работу и несколько уровней засорения, а также помогал определить участок, где возникла проблема.

Одной температуры для такой диагностики оказалось недостаточно. Алгоритм учитывал перепад давления, расположение датчиков и другие параметры. Если их анализировать вместе, первые изменения можно заметить раньше, чем обычные показания начнут явно говорить о неисправности.

На действующем ядерном реакторе систему пока не испытывали. Эксперимент проходил на компьютерной модели, а в расчетные данные специально добавляли шумы, похожие на те, которые появляются при реальных измерениях.
Реакторы с расплавленными солями пока остаются перспективной технологией. Поэтому системы диагностики для них создают заранее: когда такие установки начнут работать шире, скрытый засор желательно обнаруживать не после остановки оборудования, а еще в момент его появления.