Искусственный интеллект переосмысливает исследования ядерных материалов

Прочитано: 146 раз(а)


Будущее ядерной энергетики, которая может производить электричество без вредных выбросов, зависит от открытия новых материалов. Ученый из Аргонна использует компьютерное зрение, чтобы выделить лучших кандидатов из переполненного поля.

Если картинка может сказать тысячу слов, представьте себе покадровую историю, которую можно почерпнуть из одного видео. Пять минут видео, содержащего 200 кадров в секунду, могут дать 60 000 изображений — визуальный «Моби Дик». Звучит утомительно, чтобы переварить и каталогизировать? Это объясняет, почему ученые обычно не анализируют видео своих экспериментов так подробно.

Вей-Ин Чен, главный материаловед в группе ядерных материалов в Аргоннской национальной лаборатории Министерства энергетики (DOE), экспериментирует с достижениями в области искусственного интеллекта (ИИ), чтобы изменить это. Алгоритм отслеживания нескольких объектов на основе глубокого обучения (MOT), который он использует для извлечения данных из видео, как подробно описано в исследовании, недавно опубликованном в Scientific Reports, направлен на то, чтобы помочь США улучшить конструкции передовых ядерных реакторов. В свою очередь, модернизированная ядерная энергетика будет лучше производить безопасную и надежную электроэнергию без выбросов вредных парниковых газов.

В настоящее время ядерная энергия производит больше электроэнергии на меньшей площади, чем любой другой источник чистой энергии. Многие коммерческие ядерные реакторы, которые обеспечивают почти 20% всей электроэнергии США, используют старые материалы и технологии. Ученые и инженеры считают, что новые материалы и передовые конструкции могут существенно увеличить долю чистой электроэнергии, вырабатываемой атомными электростанциями.

«Мы хотим построить усовершенствованные реакторы, способные работать при более высоких температурах, поэтому нам необходимо найти материалы, устойчивые к более высокой температуре и более высокой дозе облучения», — сказал Чен. «С инструментами компьютерного зрения мы находимся на пути к получению всех необходимых данных из всех видеокадров».

Чен помогает пользователям и проводит эксперименты на Аргоннском электронном микроскопе промежуточного напряжения (IVEM), национальном объекте пользователя и партнерском объекте Пользователя ядерных наук Министерства энергетики США (NSUF). IVEM — частично просвечивающий электронный микроскоп, частично — ускоритель ионного пучка — один из примерно дюжины инструментов в мире, которые позволяют исследователям наблюдать за изменениями материала, вызванными ионным облучением, по мере того, как эти изменения происходят (на месте). Это означает, что такие ученые, как Чен, могут изучать влияние различных энергий на материалы, предлагаемые для использования в будущих ядерных реакторах.

Понимание того, почему, где и когда материалы разрушаются и проявляют дефекты в экстремальных условиях в течение всего срока службы, имеет решающее значение для оценки пригодности материала для использования в ядерном реакторе. Чрезвычайно мелкие дефекты являются первыми признаками того, что материал подвергнется коррозии, станет хрупким или выйдет из строя. Во время экспериментов дефекты возникают в течение пикосекунды или одной триллионной секунды. При высоких температурах эти дефекты появляются и исчезают за десятки миллисекунд. Чен является экспертом в экспериментах IVEM и сказал, что даже ему сложно строить графики и интерпретировать такие быстро меняющиеся данные.

Мимолетный характер дефектов во время экспериментов объясняет, почему ученые традиционно фиксировали лишь небольшое количество точек данных вдоль важных линий измерения.

Чен провел последние два года, разрабатывая компьютерное зрение для отслеживания изменений материала в результате записанных экспериментов в IVEM. В одном проекте он исследовал 100 кадров в секунду из видеороликов продолжительностью от одной до двух минут. В другом он извлекал один кадр в секунду в видео продолжительностью от одного до двух часов.

Подобно программному обеспечению для распознавания лиц, которое может распознавать и отслеживать людей на кадрах видеонаблюдения, компьютерное зрение в IVEM выделяет дефекты материалов и структурные пустоты. Вместо того, чтобы создавать библиотеку лиц, Чен создает обширную и достоверную коллекцию информации о термостойкости, устойчивости к облучению, микроструктурных дефектах и ​​сроке службы материалов. Эта информация может быть нанесена на график для улучшения моделей и планирования экспериментов.

Чен подчеркивает, что экономия времени — часто упоминаемое преимущество работы с компьютером — не является исключительным преимуществом использования ИИ и компьютерного зрения в IVEM. Обладая большей способностью понимать и управлять проводимыми экспериментами, пользователи IVEM могут вносить коррективы на месте, чтобы более эффективно использовать свое время в IVEM и собирать важную информацию.

«Видео выглядят очень красиво, и мы можем многому у них научиться, но слишком часто их показывают один раз на конференции, а затем больше не используют», — сказал Чен. «Благодаря компьютерному зрению мы действительно можем узнать гораздо больше о наблюдаемых явлениях и можем преобразовать видео явлений в более полезные данные».

DefectTrack зарекомендовал себя как точный и надежный

В исследовании, опубликованном в Scientific Reports , Чен и соавторы из Университета Коннектикута (UConn) представили DefectTrack, МОЛ, способную извлекать сложные данные о дефектах в режиме реального времени по мере облучения материалов.

В ходе исследования DefectTrack всего за одну минуту отследил до 4378 различных кластеров дефектов со временем жизни от 19,4 до 64 миллисекунд. Результаты были резко лучше, чем та же работа, сделанная человеческими коллегами.

«Наши статистические оценки показали, что DefectTrack является более точным и быстрым, чем люди-эксперты, при анализе распределения срока службы дефектов», — сказал соавтор UConn и доктор философии. кандидат Раджат Саинджу.

Компьютерное зрение имеет множество преимуществ; среди них улучшенная скорость и точность.

«Нам срочно нужно ускорить наше понимание деградации ядерных материалов », — сказал Юаньюань Чжу, доцент кафедры материаловедения и инженер Калифорнийского университета в Коннектикуте, возглавлявший группу соавторов университета. «Специальные модели компьютерного зрения могут произвести революцию в анализе и помочь нам лучше понять природу эффектов ядерного излучения».

Чен надеется, что компьютерное зрение, такое как DefectTrack, улучшит конструкцию ядерных реакторов.

«Компьютерное зрение может предоставить информацию, которая с практической точки зрения раньше была недоступна», — сказал Чен. «Удивительно, что теперь у нас есть доступ к гораздо большему количеству необработанных данных беспрецедентной статистической значимости и согласованности».

Искусственный интеллект переосмысливает исследования ядерных материалов



Новости партнеров