Данные как искусство
ТЕХНОЛОГИИ #7_2023
Текст: Екатерина ЧИСТОВА / Фото: Unsplash.com, Aboutamazon.com
Искусственный интеллект и методы машинного обучения в последние годы оказали значительное воздействие на науку и технологии. Области применения атомной энергии — от медицины до «термояда» — не исключение. И хотя сегодня вопросы использования ИИ для ускорения развития атомной науки и технологий обсуждаются в основном в научных статьях, есть уже и реальные кейсы.
Искусственный интеллект (ИИ) и методы машинного обучения (МО — процесс, при котором искусственный интеллект учится, анализируя большие объемы данных), позволяющие создавать модели на основе наборов данных и логико-алгоритмических подходов, имитирующих аспекты человеческой производительности, способны ускорить развитие областей применения атомной энергии, констатировало МАГАТЭ в своем докладе «Искусственный интеллект для ускорения применения ядерной энергии, науки и техники» (Artificial Intelligence for Accelerating Nuclear Applications, Science and Technology, 2022).
В здравоохранении ИИ уже применяется при диагностике и лечении рака — он интерпретирует изображения и контурирует опухоли, помогая врачам планировать лечение и адаптивную радиотерапию. В области сельского хозяйства ИИ в сочетании с атомными технологиями способен сделать продовольственные системы более устойчивыми к изменению климата: обработка и анализ данных помогут повысить урожайность, оценить влажность почвы и усовершенствовать системы орошения.
Изотопный метод позволяет отслеживать, как вода проходит различные этапы гидрологического цикла и как он меняется вследствие глобального потепления. ИИ уже помогает экспертам анализировать огромные объемы изотопных данных о воде, хранящихся в глобальных репозиториях. Кроме того, анализ данных, поддержанный ИИ, помогает ученым лучше понять процессы изменения климата и их влияние на доступность воды во всем мире.
В области атомной науки и исследованиях термоядерного синтеза ИИ играет все более важную роль. Его используют при анализе данных, теоретическом моделировании и планировании экспериментов, что помогает ускорять фундаментальные исследования и продвигать технологические инновации.
Энергокомпании, эксплуатирующие АЭС, тоже выигрывают от применения ИИ. Объединив цифровые двойники реальных атомных установок с ИИ, отрасль может оптимизировать сложные технологические процессы и совершенствовать проекты реакторов, их производительность и безопасность. Это повышает эффективность эксплуатации оборудования и снижает расходы на его техобслуживание. Машинное обучение помогает автоматизировать выполнение задач и таким образом избегать ошибок. Кроме того, ИИ обладает значительным аналитическим и предиктивным потенциалом для мониторинга процессов на электростанциях и обнаружения аномалий.
ИИ может также внести вклад в ядерную безопасность. Например, его можно использовать при обработке данных из систем обнаружения радиации, для анализа данных систем физической защиты. Также он способен выявлять аномалии, указывающие на кибератаку. В области нераспространения и учета ядерных материалов ИИ поможет инспекторам и аналитикам МАГАТЭ, вовлеченным в деятельность по обеспечению гарантий (гарантии, в числе прочего, опираются на большие объемы данных, полученных, например, со спутниковых изображений, в результате отбора проб из окружающей среды, спектроскопии гамма-излучения и видеонаблюдения). Методы машинного обучения уже использовались для обнаружения выпадающих показателей в данных, при верификации использования топливных элементов, а также анализе записей с камер наблюдения. В ближайшем будущем ИИ дополнительно повысит эффективность реализации гарантий, сокращая количество повторяющихся задач, решаемых инспекторами.
В здравоохранении ИИ уже применяется при диагностике и лечении рака — он интерпретирует изображения и контурирует опухоли, помогая врачам планировать лечение и адаптивную радиотерапию. В области сельского хозяйства ИИ в сочетании с атомными технологиями способен сделать продовольственные системы более устойчивыми к изменению климата: обработка и анализ данных помогут повысить урожайность, оценить влажность почвы и усовершенствовать системы орошения.
Изотопный метод позволяет отслеживать, как вода проходит различные этапы гидрологического цикла и как он меняется вследствие глобального потепления. ИИ уже помогает экспертам анализировать огромные объемы изотопных данных о воде, хранящихся в глобальных репозиториях. Кроме того, анализ данных, поддержанный ИИ, помогает ученым лучше понять процессы изменения климата и их влияние на доступность воды во всем мире.
В области атомной науки и исследованиях термоядерного синтеза ИИ играет все более важную роль. Его используют при анализе данных, теоретическом моделировании и планировании экспериментов, что помогает ускорять фундаментальные исследования и продвигать технологические инновации.
Энергокомпании, эксплуатирующие АЭС, тоже выигрывают от применения ИИ. Объединив цифровые двойники реальных атомных установок с ИИ, отрасль может оптимизировать сложные технологические процессы и совершенствовать проекты реакторов, их производительность и безопасность. Это повышает эффективность эксплуатации оборудования и снижает расходы на его техобслуживание. Машинное обучение помогает автоматизировать выполнение задач и таким образом избегать ошибок. Кроме того, ИИ обладает значительным аналитическим и предиктивным потенциалом для мониторинга процессов на электростанциях и обнаружения аномалий.
ИИ может также внести вклад в ядерную безопасность. Например, его можно использовать при обработке данных из систем обнаружения радиации, для анализа данных систем физической защиты. Также он способен выявлять аномалии, указывающие на кибератаку. В области нераспространения и учета ядерных материалов ИИ поможет инспекторам и аналитикам МАГАТЭ, вовлеченным в деятельность по обеспечению гарантий (гарантии, в числе прочего, опираются на большие объемы данных, полученных, например, со спутниковых изображений, в результате отбора проб из окружающей среды, спектроскопии гамма-излучения и видеонаблюдения). Методы машинного обучения уже использовались для обнаружения выпадающих показателей в данных, при верификации использования топливных элементов, а также анализе записей с камер наблюдения. В ближайшем будущем ИИ дополнительно повысит эффективность реализации гарантий, сокращая количество повторяющихся задач, решаемых инспекторами.
Медицина
В здравоохранении ИИ находит применение в таких областях, как клинические исследования, эпидемиология, диетология, диагностика, лучевая терапия и образование. Технологии, основанные на ИИ, упрощают задачи в области визуализации, компьютерной диагностики, программного скрининга в маммографии и при раке легких, а также прогнозирования доз облучения. Методы машинного обучения способствуют повышению эффективности и точности анализа компьютерных томографий и сканирования двухэнергетической абсорбциометрии для анализа состава тела и костей.
ИИ способен анализировать медицинские изображения, такие как рентгеновские снимки, КТ-сканы и МРТ, для автоматической диагностики. Это позволяет врачам быстро и точно обнаруживать заболевания и патологии. Также ИИ способен на основе медицинских данных (жалоб пациентов и историй болезни) предсказывать вероятность развития таких заболеваний, как рак и болезни сердца. В радиационной терапии ИИ может помочь оптимизировать дозировку лекарств и облучения для достижения максимальной эффективности при минимальных побочных эффектах.
Для трех ведущих компаний в области ядерной медицины — американской Lantheus, австралийской Telix и китайской Evomics Medical — многопоточная ядерная медицинская диагностика и лечение с использованием программного обеспечения на основе ИИ уже стали стандартной практикой, говорится в сводном докладе о тенденциях в развитии интегрированной диагностики и лечения в области ядерной медицины, подготовленном международной консалтинговой фирмой China Insights Consultancy и сообществом по искусственному интеллекту The Yuan. Этот доклад — первое в мире исследование, рассматривающее развитие интегрированных с ИИ диагностики и лечения в ядерной медицине.
Однако рост интереса к использованию ИИ в медицине сопровождается возникновением проблем, связанных с этикой и конфиденциальностью данных пациентов. Научное сообщество разрабатывает рекомендации и стандарты в этой области, чтобы обеспечить безопасное и эффективное применение ИИ в здравоохранении.
В здравоохранении ИИ находит применение в таких областях, как клинические исследования, эпидемиология, диетология, диагностика, лучевая терапия и образование. Технологии, основанные на ИИ, упрощают задачи в области визуализации, компьютерной диагностики, программного скрининга в маммографии и при раке легких, а также прогнозирования доз облучения. Методы машинного обучения способствуют повышению эффективности и точности анализа компьютерных томографий и сканирования двухэнергетической абсорбциометрии для анализа состава тела и костей.
ИИ способен анализировать медицинские изображения, такие как рентгеновские снимки, КТ-сканы и МРТ, для автоматической диагностики. Это позволяет врачам быстро и точно обнаруживать заболевания и патологии. Также ИИ способен на основе медицинских данных (жалоб пациентов и историй болезни) предсказывать вероятность развития таких заболеваний, как рак и болезни сердца. В радиационной терапии ИИ может помочь оптимизировать дозировку лекарств и облучения для достижения максимальной эффективности при минимальных побочных эффектах.
Для трех ведущих компаний в области ядерной медицины — американской Lantheus, австралийской Telix и китайской Evomics Medical — многопоточная ядерная медицинская диагностика и лечение с использованием программного обеспечения на основе ИИ уже стали стандартной практикой, говорится в сводном докладе о тенденциях в развитии интегрированной диагностики и лечения в области ядерной медицины, подготовленном международной консалтинговой фирмой China Insights Consultancy и сообществом по искусственному интеллекту The Yuan. Этот доклад — первое в мире исследование, рассматривающее развитие интегрированных с ИИ диагностики и лечения в ядерной медицине.
Однако рост интереса к использованию ИИ в медицине сопровождается возникновением проблем, связанных с этикой и конфиденциальностью данных пациентов. Научное сообщество разрабатывает рекомендации и стандарты в этой области, чтобы обеспечить безопасное и эффективное применение ИИ в здравоохранении.
Термоядерная энергетика
В атомной науке применение ИИ в основном сфокусировано на автоматизации процесса обработки данных. Кроме того, ИИ может помочь при валидации и проверке результатов экспериментов. В ядерной физике методы ИИ и МО применяются для анализа данных и теоретического моделирования, планирования экспериментов, оптимизации эксплуатации установок.
ИИ уже играет важную роль в исследованиях в области термоядерной энергетики, предлагая новые методы повышения эффективности и безопасности термоядерных реакций. В частности, ИИ позволяет создавать сложные компьютерные модели и симуляции термоядерных реакций, позволяющие ученым изучать поведение плазмы при высоких температурах и давлениях. Также ИИ можно использовать для управления параметрами реакции, такими как температура, плотность и давление, чтобы обеспечить ее стабильность. ИИ помогает анализировать данные предыдущих исследований, выявлять закономерности и паттерны, а также прогнозировать результаты экспериментов и создавать модели для долгосрочного планирования исследований. И наконец, ИИ помогает исследователям оптимизировать проекты термоядерных реакторов, включая выбор материалов, конструкции и системы управления.
Недавние успехи в применении методов ИИ и МО при исследованиях магнитного и инерционного удержания плазмы указывают на потенциал значительного ускорения исследований в этой области. В исследовании, опубликованном в журнале Physics of Plasmas, международная группа ученых под руководством аспиранта Лаборатории термоядерной физики Принстонского университета успешно прогнозировала и предотвращала сбои в реакциях термоядерного синтеза, используя ИИ — обучив его алгоритм на данных предыдущих экспериментов, проведенных в Национальном центре термоядерного синтеза DIII-D. Этот успех имеет большое значение, поскольку сбои могут привести к остановке реакций термоядерного синтеза и серьезным повреждениям установок. Кроме того, исследование способствует разработке методов прогнозирования и предотвращения сбоев для термоядерных установок (в том числе ИТЭР).
В атомной науке применение ИИ в основном сфокусировано на автоматизации процесса обработки данных. Кроме того, ИИ может помочь при валидации и проверке результатов экспериментов. В ядерной физике методы ИИ и МО применяются для анализа данных и теоретического моделирования, планирования экспериментов, оптимизации эксплуатации установок.
ИИ уже играет важную роль в исследованиях в области термоядерной энергетики, предлагая новые методы повышения эффективности и безопасности термоядерных реакций. В частности, ИИ позволяет создавать сложные компьютерные модели и симуляции термоядерных реакций, позволяющие ученым изучать поведение плазмы при высоких температурах и давлениях. Также ИИ можно использовать для управления параметрами реакции, такими как температура, плотность и давление, чтобы обеспечить ее стабильность. ИИ помогает анализировать данные предыдущих исследований, выявлять закономерности и паттерны, а также прогнозировать результаты экспериментов и создавать модели для долгосрочного планирования исследований. И наконец, ИИ помогает исследователям оптимизировать проекты термоядерных реакторов, включая выбор материалов, конструкции и системы управления.
Недавние успехи в применении методов ИИ и МО при исследованиях магнитного и инерционного удержания плазмы указывают на потенциал значительного ускорения исследований в этой области. В исследовании, опубликованном в журнале Physics of Plasmas, международная группа ученых под руководством аспиранта Лаборатории термоядерной физики Принстонского университета успешно прогнозировала и предотвращала сбои в реакциях термоядерного синтеза, используя ИИ — обучив его алгоритм на данных предыдущих экспериментов, проведенных в Национальном центре термоядерного синтеза DIII-D. Этот успех имеет большое значение, поскольку сбои могут привести к остановке реакций термоядерного синтеза и серьезным повреждениям установок. Кроме того, исследование способствует разработке методов прогнозирования и предотвращения сбоев для термоядерных установок (в том числе ИТЭР).
Кейс
32‑летняя китаянка Ге Донг возглавляет стартап Energy Singularity, цель которого — с помощью ИИ, а также высокопроизводительных вычислений коммерциализировать термоядерный синтез.
В 2014 году ученая работала в престижной лаборатории плазменной физики Принстонского университета, где она получила степень доктора философии. Ее докторская диссертация была основана на исследованиях ее коллег из Принстона, впервые использовавших ИИ для прогнозирования плазменных разрывов, которые могли привести к аварии на ядерном реакторе.
Работа Ге Донг раскрыла особенности поведения плазмы внутри прототипа токамака. Позднее она более года сотрудничала с экспертами из NVIDIA (американская технологическая компания, разработчик графических процессоров. — Прим. ред.) с целью создания цифрового двойника токамака и расчета движения плазмы внутри установки. При помощи ИИ ей удалось добиться сокращения затрат на моделирование по сравнению с традиционными вычислительными методами. Это поможет инженерам разрабатывать системы управления, обеспечивающие безопасное удержание нагретой плазмы в будущих энергетических установках, что ускорит развитие источников чистой энергии.
Во время карантина из-за COVID‑19 Ге Донг вернулась в Шанхай, чтобы работать из дома. Там в 2021 году вместе с другом, Чжао Янгом, она решила создать стартап Energy Singularity. Чжао Янг предложил построить полноценный токамак, а для управления плазмой использовать высокотемпературные сверхпроводящие магниты — это значительно удешевляло проект. Несколько месяцев спустя друзья-исследователи объединились с еще несколькими единомышленниками и запустили собственную компанию.
Ученые применяют высокопроизводительные вычисления и ИИ для создания мощных, но хрупких магнитов, необходимых для их проекта, и управления ими. Этот проект открывает новую область исследований, результаты которых могут значительно ускорить развитие эффективных и недорогих методов управления плазмой. Стартап уже активно работает над прототипом установки.
Ге Донг верит, что в ближайшем десятилетии будет найден способ внедрения термоядерного синтеза, и рассчитывает, что ее компания сможет внести вклад в достижение этой цели.
По материалам blogs.nvidia.com
В 2014 году ученая работала в престижной лаборатории плазменной физики Принстонского университета, где она получила степень доктора философии. Ее докторская диссертация была основана на исследованиях ее коллег из Принстона, впервые использовавших ИИ для прогнозирования плазменных разрывов, которые могли привести к аварии на ядерном реакторе.
Работа Ге Донг раскрыла особенности поведения плазмы внутри прототипа токамака. Позднее она более года сотрудничала с экспертами из NVIDIA (американская технологическая компания, разработчик графических процессоров. — Прим. ред.) с целью создания цифрового двойника токамака и расчета движения плазмы внутри установки. При помощи ИИ ей удалось добиться сокращения затрат на моделирование по сравнению с традиционными вычислительными методами. Это поможет инженерам разрабатывать системы управления, обеспечивающие безопасное удержание нагретой плазмы в будущих энергетических установках, что ускорит развитие источников чистой энергии.
Во время карантина из-за COVID‑19 Ге Донг вернулась в Шанхай, чтобы работать из дома. Там в 2021 году вместе с другом, Чжао Янгом, она решила создать стартап Energy Singularity. Чжао Янг предложил построить полноценный токамак, а для управления плазмой использовать высокотемпературные сверхпроводящие магниты — это значительно удешевляло проект. Несколько месяцев спустя друзья-исследователи объединились с еще несколькими единомышленниками и запустили собственную компанию.
Ученые применяют высокопроизводительные вычисления и ИИ для создания мощных, но хрупких магнитов, необходимых для их проекта, и управления ими. Этот проект открывает новую область исследований, результаты которых могут значительно ускорить развитие эффективных и недорогих методов управления плазмой. Стартап уже активно работает над прототипом установки.
Ге Донг верит, что в ближайшем десятилетии будет найден способ внедрения термоядерного синтеза, и рассчитывает, что ее компания сможет внести вклад в достижение этой цели.
По материалам blogs.nvidia.com
Атомная энергия
В атомной энергетике ИИ может пригодиться в таких областях, как автоматизация, оптимизация проектирования, анализ данных, прогнозирование и прогностическое моделирование. Сегодня технологии ИИ активно переходят из разряда пилотных исследований к стадии внедрения в производство.
Эксплуатация АЭС
Действующими правилами предусмотрено регулярное плановое техническое обслуживание АЭС — иногда это выливается в избыточный сервис и увеличенные затраты. Инженеры уже разработали основанное на ИИ программное обеспечение, системы прогнозирования и управления состоянием оборудования, рассчитывающего остаточный срок его службы, позволяя перейти от планового сервиса к обслуживанию по запросу. Кроме того, ПО используется для сопоставления данных с датчиков и моделирования траектории деградации оборудования с помощью алгоритмов машинного обучения. Такие системы оптимизируют стратегию технического обслуживания, что снижает расход ресурсов, минимизирует риски эксплуатации, повышает безопасность и экономическую эффективность работы АЭС.
Кроме того, исследованы системы поддержки принятия решений на атомных электростанциях, направленные на уменьшение информационной перегрузки и стресса у операторов во время нештатных ситуаций. Системы диагностики неисправностей, в том числе основанные на искусственных нейронных сетях (ИНС) и использующие методы ИИ, помогают быстро выявлять неполадки в работе АЭС и предоставлять обслуживающему персоналу информацию о чрезвычайных ситуациях. Модели глубокого обучения доказали свою эффективность в точном прогнозировании аварий, а ИНС, объединенные с моделями на ИИ, повышают точность диагностики неисправностей.
Декларативные подходы ИИ и методы оценки неопределенности способствуют принятию правильных решений. Кроме того, эти системы снижают вероятность человеческих ошибок и стресс операторов, обеспечивая безопасную и эффективную эксплуатацию электростанции.
Обращение с топливом
Исследователи уже доказали, что ИИ может внести значительный вклад в систему обращения с топливом, оптимизировав дизайн сборок топливных элементов, схемы перезагрузки активной зоны и оценку энергоемкости топлива. Кроме того, ИИ позволяет всесторонне анализировать свойства топлива и их взаимосвязи, обеспечивая безопасную и эффективную эксплуатацию.
Модели на основе ИИ с использованием муравьиного, генетического алгоритмов и метода роя частиц (подробнее об этих алгоритмах и методе см. Справку) позволяют генерировать различные решения с подходящими параметрами — это дает операторам электростанций более широкий выбор возможностей для оптимизации глубины выгорания топливных сборок и определения его коэффициентов.
В атомной энергетике ИИ может пригодиться в таких областях, как автоматизация, оптимизация проектирования, анализ данных, прогнозирование и прогностическое моделирование. Сегодня технологии ИИ активно переходят из разряда пилотных исследований к стадии внедрения в производство.
Эксплуатация АЭС
Действующими правилами предусмотрено регулярное плановое техническое обслуживание АЭС — иногда это выливается в избыточный сервис и увеличенные затраты. Инженеры уже разработали основанное на ИИ программное обеспечение, системы прогнозирования и управления состоянием оборудования, рассчитывающего остаточный срок его службы, позволяя перейти от планового сервиса к обслуживанию по запросу. Кроме того, ПО используется для сопоставления данных с датчиков и моделирования траектории деградации оборудования с помощью алгоритмов машинного обучения. Такие системы оптимизируют стратегию технического обслуживания, что снижает расход ресурсов, минимизирует риски эксплуатации, повышает безопасность и экономическую эффективность работы АЭС.
Кроме того, исследованы системы поддержки принятия решений на атомных электростанциях, направленные на уменьшение информационной перегрузки и стресса у операторов во время нештатных ситуаций. Системы диагностики неисправностей, в том числе основанные на искусственных нейронных сетях (ИНС) и использующие методы ИИ, помогают быстро выявлять неполадки в работе АЭС и предоставлять обслуживающему персоналу информацию о чрезвычайных ситуациях. Модели глубокого обучения доказали свою эффективность в точном прогнозировании аварий, а ИНС, объединенные с моделями на ИИ, повышают точность диагностики неисправностей.
Декларативные подходы ИИ и методы оценки неопределенности способствуют принятию правильных решений. Кроме того, эти системы снижают вероятность человеческих ошибок и стресс операторов, обеспечивая безопасную и эффективную эксплуатацию электростанции.
Обращение с топливом
Исследователи уже доказали, что ИИ может внести значительный вклад в систему обращения с топливом, оптимизировав дизайн сборок топливных элементов, схемы перезагрузки активной зоны и оценку энергоемкости топлива. Кроме того, ИИ позволяет всесторонне анализировать свойства топлива и их взаимосвязи, обеспечивая безопасную и эффективную эксплуатацию.
Модели на основе ИИ с использованием муравьиного, генетического алгоритмов и метода роя частиц (подробнее об этих алгоритмах и методе см. Справку) позволяют генерировать различные решения с подходящими параметрами — это дает операторам электростанций более широкий выбор возможностей для оптимизации глубины выгорания топливных сборок и определения его коэффициентов.
Подсказано природой
Муравьиный алгоритм — это алгоритм, вдохновленный поведением муравьев при поиске кратчайшего пути к источнику пищи. В ИИ муравьиные алгоритмы применяются для оптимизации и решения комбинаторных задач. Они используются там, где другие методы неэффективны. Муравьиные алгоритмы также применяются при решении задач маршрутизации, планирования, кластеризации и т. д.
Генетический алгоритм (ГА) — это метод, моделирующий процесс естественного отбора в природе. ГА применяются в машинном обучении и оптимизации. ИИ, используя такие алгоритмы, оптимизирует проектирование и управление, решает другие задачи. Генетические алгоритмы часто используются там, где иные методы неэффективны из-за сложности и многомерности задач.
Метод роя частиц (particle swarm optimization, PSO) основан на поведении роев (стай) живых существ, таких как птицы или рыбы, и применим для поиска приближенных решений крайне сложных или нерешаемых задач нахождения числовых максимумов и минимумов. Этот метод — один из примеров алгоритмов интеллектуальной оптимизации, где компьютерное моделирование поведения роя частиц помогает находить оптимальные решения инженерных задач, обучать машины и т. д.
Нечеткая логика — это метод, напоминающий рассуждения человека. Это математическая техника моделирования и управления, обрабатывающая неопределенность и приближенные значения в системах, используя понятия нечетких множеств и нечетких правил. В отличие от классической логики, где высказывание может быть или истинным, или ложным, в нечеткой логике значения истинности выражаются в виде диапазона или вероятности, что позволяет учитывать неопределенность и приближенные данные.
Алгоритм случайного леса (Random Forest) — это универсальный алгоритм машинного обучения, суть которого состоит в использовании ансамбля (модель, делающая предсказание на основе сбора предсказаний других моделей. — Прим. ред.) решающих деревьев. Каждое дерево в случайном лесу строится независимо от других и на основе случайной подвыборки данных. Само по себе решающее дерево предоставляет крайне невысокое качество классификации, но из-за большого их количества результат значительно улучшается. Случайный лес обладает высокой устойчивостью к переобучению, хорошей обобщающей способностью и может работать с большими объемами данных.
Генетический алгоритм (ГА) — это метод, моделирующий процесс естественного отбора в природе. ГА применяются в машинном обучении и оптимизации. ИИ, используя такие алгоритмы, оптимизирует проектирование и управление, решает другие задачи. Генетические алгоритмы часто используются там, где иные методы неэффективны из-за сложности и многомерности задач.
Метод роя частиц (particle swarm optimization, PSO) основан на поведении роев (стай) живых существ, таких как птицы или рыбы, и применим для поиска приближенных решений крайне сложных или нерешаемых задач нахождения числовых максимумов и минимумов. Этот метод — один из примеров алгоритмов интеллектуальной оптимизации, где компьютерное моделирование поведения роя частиц помогает находить оптимальные решения инженерных задач, обучать машины и т. д.
Нечеткая логика — это метод, напоминающий рассуждения человека. Это математическая техника моделирования и управления, обрабатывающая неопределенность и приближенные значения в системах, используя понятия нечетких множеств и нечетких правил. В отличие от классической логики, где высказывание может быть или истинным, или ложным, в нечеткой логике значения истинности выражаются в виде диапазона или вероятности, что позволяет учитывать неопределенность и приближенные данные.
Алгоритм случайного леса (Random Forest) — это универсальный алгоритм машинного обучения, суть которого состоит в использовании ансамбля (модель, делающая предсказание на основе сбора предсказаний других моделей. — Прим. ред.) решающих деревьев. Каждое дерево в случайном лесу строится независимо от других и на основе случайной подвыборки данных. Само по себе решающее дерево предоставляет крайне невысокое качество классификации, но из-за большого их количества результат значительно улучшается. Случайный лес обладает высокой устойчивостью к переобучению, хорошей обобщающей способностью и может работать с большими объемами данных.
Наблюдение за персоналом
Достижения в области искусственного интеллекта радикально изменили системы мониторинга на атомных электростанциях, существенно снижая влияние человеческого фактора и повышая уровень безопасности. Системы на основе ИИ, такие как биомониторинг, анализ выражения лица, технологии компьютерного зрения и сенсоры носимых устройств, позволяют непрерывно отслеживать физическое и умственное состояние операторов, их работоспособность. Эти технологии дают возможность мгновенно оценивать производительность, прогнозировать и минимизировать риски ошибок, отслеживать когнитивные факторы, упрощать процессы измерения, обнаруживать аномальное поведение человека, повышать координацию команды.
Обнаружение неисправностей датчиков
Для точного принятия решений на атомных электростанциях критически важны надежные данные с датчиков, обеспечивающих безопасность. Сбои датчиков или их неправильные показания могут привести к опасным ситуациям и ошибочным действиям персонала.
ИИ усовершенствовал системы обнаружения неисправностей датчиков на АЭС, используя вероятностные нейронные сети, метод нечеткой логики и модели машинного обучения для выявления и диагностики сбоев приборов. Эти системы отслеживают расхождения между прогнозируемыми значениями и наблюдаемыми параметрами станции, позволяя выявлять и изолировать неисправности датчиков. Исследователи из Южной Кореи Джонхун Чой и Сын Чжун Ли (Transactions of the Korean Nuclear Society Virtual Spring Meeting. July 9−10, 2020) разработали устойчивую к неисправностям систему диагностики аварий на АЭС, нештатных ситуаций, а также контроля останова и запуска. Для надежной идентификации неисправностей и восстановления данных используются рекуррентная нейронная сеть и итеративная модель случайного леса.
Системы автоматизированной оценки безопасности и анализа текста
ИИ повысил безопасность атомных электростанций, усовершенствовав методики ее оценки и вероятностные оценки рисков, а также автоматизировав анализ отчетов о событиях с использованием методов обработки естественного языка (технология машинного обучения, позволяющая компьютерам понимать человеческий язык. — Прим. ред.). Исследователи разработали новые подходы, адаптировав метод раннего предупреждения из медицинской сферы и использовав байесовские сети для работы с неопределенностями и повышения точности оценок безопасности.
Это позволило выявить ошибки, нарушения и проблемы в процессах, улучшить командную работу и инкорпорировать организационные факторы в систему оценки рисков, повысив эффективность анализа безопасности.
Ядерная безопасность
Исследование, опубликованное в журнале Nuclear Engineering and Technology в феврале 2023 года (большая группа авторов, Using artificial intelligence to detect human errors in nuclear power plants: A case in operation and maintenance), посвящено выявлению человеческих ошибок на АЭС с использованием модели обнаружения аномалий на основе генеративных антагонистических сетей. Авторы проанализировали информацию с датчиков, а также данные о вибрации с АЭС и скоррелировали их, чтобы обнаружить аномалии, вызванные человеческим фактором. Они оценили производительность модели при различных предполагаемых уровнях аномалий и подтвердили свой подход, используя внешний набор данных со стенда, специально вводя ошибочные данные, связанные с человеческой ошибкой, в процессе сбора данных. Предложенная модель превзошла все существующие модели. Она способна предупреждать операторов о возможных ошибках, давая им возможность перепроверить данные.
Это закладывает основу для будущих исследований по выявлению человеческих ошибок.
Система для обнаружения трещин в ядерных реакторах
Инженеры американского Университета Пердью разработали ИИ-систему для повышения безопасности ядерных реакторов. В их исследовании, опубликованном в журнале Института инженеров электротехники и электроники (Transactions on Industrial Electronics), представлена глубокая нейросетевая модель с использованием комбинации наивного алгоритма Байеса и сверхточных нейронных сетей, созданная для выявления трещин на поверхности реакторов путем анализа перекрывающихся участков на отдельных видеокадрах.
ИИ отслеживает каждую трещину на последовательных кадрах с использованием алгоритма совместной обработки данных. Модель смогла выявить 98,3 % трещин, что значительно превосходит результаты существующих методов идентификации. Результаты исследования позволят существенно усовершенствовать проверку компонентов оборудования атомных электростанций за счет автоматизации, что повысит безопасность и эффективность их эксплуатации.
Достижения в области искусственного интеллекта радикально изменили системы мониторинга на атомных электростанциях, существенно снижая влияние человеческого фактора и повышая уровень безопасности. Системы на основе ИИ, такие как биомониторинг, анализ выражения лица, технологии компьютерного зрения и сенсоры носимых устройств, позволяют непрерывно отслеживать физическое и умственное состояние операторов, их работоспособность. Эти технологии дают возможность мгновенно оценивать производительность, прогнозировать и минимизировать риски ошибок, отслеживать когнитивные факторы, упрощать процессы измерения, обнаруживать аномальное поведение человека, повышать координацию команды.
Обнаружение неисправностей датчиков
Для точного принятия решений на атомных электростанциях критически важны надежные данные с датчиков, обеспечивающих безопасность. Сбои датчиков или их неправильные показания могут привести к опасным ситуациям и ошибочным действиям персонала.
ИИ усовершенствовал системы обнаружения неисправностей датчиков на АЭС, используя вероятностные нейронные сети, метод нечеткой логики и модели машинного обучения для выявления и диагностики сбоев приборов. Эти системы отслеживают расхождения между прогнозируемыми значениями и наблюдаемыми параметрами станции, позволяя выявлять и изолировать неисправности датчиков. Исследователи из Южной Кореи Джонхун Чой и Сын Чжун Ли (Transactions of the Korean Nuclear Society Virtual Spring Meeting. July 9−10, 2020) разработали устойчивую к неисправностям систему диагностики аварий на АЭС, нештатных ситуаций, а также контроля останова и запуска. Для надежной идентификации неисправностей и восстановления данных используются рекуррентная нейронная сеть и итеративная модель случайного леса.
Системы автоматизированной оценки безопасности и анализа текста
ИИ повысил безопасность атомных электростанций, усовершенствовав методики ее оценки и вероятностные оценки рисков, а также автоматизировав анализ отчетов о событиях с использованием методов обработки естественного языка (технология машинного обучения, позволяющая компьютерам понимать человеческий язык. — Прим. ред.). Исследователи разработали новые подходы, адаптировав метод раннего предупреждения из медицинской сферы и использовав байесовские сети для работы с неопределенностями и повышения точности оценок безопасности.
Это позволило выявить ошибки, нарушения и проблемы в процессах, улучшить командную работу и инкорпорировать организационные факторы в систему оценки рисков, повысив эффективность анализа безопасности.
Ядерная безопасность
Исследование, опубликованное в журнале Nuclear Engineering and Technology в феврале 2023 года (большая группа авторов, Using artificial intelligence to detect human errors in nuclear power plants: A case in operation and maintenance), посвящено выявлению человеческих ошибок на АЭС с использованием модели обнаружения аномалий на основе генеративных антагонистических сетей. Авторы проанализировали информацию с датчиков, а также данные о вибрации с АЭС и скоррелировали их, чтобы обнаружить аномалии, вызванные человеческим фактором. Они оценили производительность модели при различных предполагаемых уровнях аномалий и подтвердили свой подход, используя внешний набор данных со стенда, специально вводя ошибочные данные, связанные с человеческой ошибкой, в процессе сбора данных. Предложенная модель превзошла все существующие модели. Она способна предупреждать операторов о возможных ошибках, давая им возможность перепроверить данные.
Это закладывает основу для будущих исследований по выявлению человеческих ошибок.
Система для обнаружения трещин в ядерных реакторах
Инженеры американского Университета Пердью разработали ИИ-систему для повышения безопасности ядерных реакторов. В их исследовании, опубликованном в журнале Института инженеров электротехники и электроники (Transactions on Industrial Electronics), представлена глубокая нейросетевая модель с использованием комбинации наивного алгоритма Байеса и сверхточных нейронных сетей, созданная для выявления трещин на поверхности реакторов путем анализа перекрывающихся участков на отдельных видеокадрах.
ИИ отслеживает каждую трещину на последовательных кадрах с использованием алгоритма совместной обработки данных. Модель смогла выявить 98,3 % трещин, что значительно превосходит результаты существующих методов идентификации. Результаты исследования позволят существенно усовершенствовать проверку компонентов оборудования атомных электростанций за счет автоматизации, что повысит безопасность и эффективность их эксплуатации.
Будущее
ИИ пока еще только внедряется на атомных станциях, процесс идет небыстро, в числе прочего, из-за сложности алгоритмов, нехватки всеобъемлющих и надежных баз данных для обучения, особенно по редким или экстремальным ситуациям, высокой зарегулированности отрасли.
Ускорить внедрение ИИ в атомную энергетику смогут межотраслевое и международное сотрудничество, а также стандартизация. Усилия в этом направлении способствуют реализации потенциала ИИ в вопросах повышения безопасности, надежности и эффективности атомной энергетики.
Однако не стоит забывать и о том, что слияние ИИ и атомных технологий может усугубить существующие этические проблемы и породить новые. Поскольку обе сферы сопряжены с рисками и неопределенностью, а также имеют огромный потенциал воздействия на общество и окружающую среду, существует необходимость в новой дисциплине на этом пересечении, которую можно было бы назвать «Этика ядерных и интеллектуальных технологий» (ЭЯИТ), предупреждает МАГАТЭ.
ИИ пока еще только внедряется на атомных станциях, процесс идет небыстро, в числе прочего, из-за сложности алгоритмов, нехватки всеобъемлющих и надежных баз данных для обучения, особенно по редким или экстремальным ситуациям, высокой зарегулированности отрасли.
Ускорить внедрение ИИ в атомную энергетику смогут межотраслевое и международное сотрудничество, а также стандартизация. Усилия в этом направлении способствуют реализации потенциала ИИ в вопросах повышения безопасности, надежности и эффективности атомной энергетики.
Однако не стоит забывать и о том, что слияние ИИ и атомных технологий может усугубить существующие этические проблемы и породить новые. Поскольку обе сферы сопряжены с рисками и неопределенностью, а также имеют огромный потенциал воздействия на общество и окружающую среду, существует необходимость в новой дисциплине на этом пересечении, которую можно было бы назвать «Этика ядерных и интеллектуальных технологий» (ЭЯИТ), предупреждает МАГАТЭ.
Комментарий эксперта
Андрей ДРУЖАЕВ
заместитель директора ВНИИАЭС — НТП, директор отделения математического моделирования и тренажеростроения АО «ВНИИАЭС»
— Во ВНИИАЭС методы искусственного интеллекта, прежде всего машинного обучения, используются при разработке и функционировании автоматизированной системы предиктивной аналитики состояния оборудования АЭС.
Особенность любой автоматизированной системы в том, что она частично или полностью замещает деятельность человека (физическую или интеллектуальную). В составе системы предиктивной аналитики, в частности, автоматизируется анализ огромного количества информации о состоянии оборудования АЭС с целью заблаговременного выявления отклонений в его работе. Результат работы системы — информация о коренных причинах возникновения зафиксированных отклонений, временные прогнозы безопасной и надежной работы оборудования в условиях таких отклонений и рекомендации персоналу АЭС по его эксплуатации.
Пока рекомендации, выданные с применением системы предиктивной аналитики, носят предварительный характер, но в дальнейшем система сможет автоматически принимать решения относительно оптимальных вариантов управления работоспособностью оборудования, например, о том, необходим ли ремонт или следует изменить режим работы. Система будет передавать решение персоналу станции в следующем виде: «Оборудование перешло в аномальный режим функционирования, в течение двух месяцев возможно проявление следующего дефекта, необходимо осуществить следующие действия».
Непредвиденные отклонения в работе оборудования АЭС могут привести к большим финансовым потерям и штрафным санкциям. Использование системы предиктивной аналитики на производстве позволит снизить вероятность такого рода нештатных ситуаций.
Система предиктивной аналитики получает широкий спектр различных сигналов и данных. Она встроена в процесс управления работоспособностью оборудования и технической поддержки, в связи с этим входные данные поступают от АСУ ТП энергоблоков АЭС. Это информация об электрическом, тепловом и вибрационном состоянии оборудования, теплогидравлические параметры технологических систем (расходы, давление и т. п.). Эти аналоговые параметры дополняются дискретными данными о состоянии автоматики — включен или выключен насос, например. Таким образом контролируется состояние электротехнического оборудования (турбогенераторы), тепломеханического оборудования реакторных отделений (главные циркуляционные насосные агрегаты) и турбинных отделений (паротурбинные установки, насосы различного типа и назначения).
Вся измерительная информация с контролируемого оборудования поступает в единый ЦОД, на базе которого функционирует система предиктивной аналитики. В составе ЦОД разработанные с использованием методов машинного обучения (искусственного интеллекта) цифровые модели оборудования анализируют состояние оборудования в режиме реального времени.
Сегодня к системе предиктивной аналитики подключены пять энергоблоков: энергоблоки №№ 1, 2 Нововоронежской АЭС‑2, №№ 1, 2 Ленинградской АЭС‑2, № 4 Белоярской АЭС. На энергоблоке № 1 Нововоронежской АЭС‑2 система находится уже в состоянии промышленной эксплуатации, на остальных энергоблоках планируется внедрение системы в опытную эксплуатацию во II квартале 2024 года с последующим внедрением в промышленную эксплуатацию до конца того же года.
Особенность любой автоматизированной системы в том, что она частично или полностью замещает деятельность человека (физическую или интеллектуальную). В составе системы предиктивной аналитики, в частности, автоматизируется анализ огромного количества информации о состоянии оборудования АЭС с целью заблаговременного выявления отклонений в его работе. Результат работы системы — информация о коренных причинах возникновения зафиксированных отклонений, временные прогнозы безопасной и надежной работы оборудования в условиях таких отклонений и рекомендации персоналу АЭС по его эксплуатации.
Пока рекомендации, выданные с применением системы предиктивной аналитики, носят предварительный характер, но в дальнейшем система сможет автоматически принимать решения относительно оптимальных вариантов управления работоспособностью оборудования, например, о том, необходим ли ремонт или следует изменить режим работы. Система будет передавать решение персоналу станции в следующем виде: «Оборудование перешло в аномальный режим функционирования, в течение двух месяцев возможно проявление следующего дефекта, необходимо осуществить следующие действия».
Непредвиденные отклонения в работе оборудования АЭС могут привести к большим финансовым потерям и штрафным санкциям. Использование системы предиктивной аналитики на производстве позволит снизить вероятность такого рода нештатных ситуаций.
Система предиктивной аналитики получает широкий спектр различных сигналов и данных. Она встроена в процесс управления работоспособностью оборудования и технической поддержки, в связи с этим входные данные поступают от АСУ ТП энергоблоков АЭС. Это информация об электрическом, тепловом и вибрационном состоянии оборудования, теплогидравлические параметры технологических систем (расходы, давление и т. п.). Эти аналоговые параметры дополняются дискретными данными о состоянии автоматики — включен или выключен насос, например. Таким образом контролируется состояние электротехнического оборудования (турбогенераторы), тепломеханического оборудования реакторных отделений (главные циркуляционные насосные агрегаты) и турбинных отделений (паротурбинные установки, насосы различного типа и назначения).
Вся измерительная информация с контролируемого оборудования поступает в единый ЦОД, на базе которого функционирует система предиктивной аналитики. В составе ЦОД разработанные с использованием методов машинного обучения (искусственного интеллекта) цифровые модели оборудования анализируют состояние оборудования в режиме реального времени.
Сегодня к системе предиктивной аналитики подключены пять энергоблоков: энергоблоки №№ 1, 2 Нововоронежской АЭС‑2, №№ 1, 2 Ленинградской АЭС‑2, № 4 Белоярской АЭС. На энергоблоке № 1 Нововоронежской АЭС‑2 система находится уже в состоянии промышленной эксплуатации, на остальных энергоблоках планируется внедрение системы в опытную эксплуатацию во II квартале 2024 года с последующим внедрением в промышленную эксплуатацию до конца того же года.
ДРУГИЕ МАТЕРИАЛЫ