Utilisation de l’IA pour surveiller les emplacements inaccessibles des systèmes d’énergie nucléaire
Que ce soit pour votre véhicule ou votre maison, des utilisations à petite échelle au plus grand, le débat sur les combustibles les plus efficaces et les plus rentables se poursuit. Actuellement, il n’y a pas non plus de pénurie d’options. L’énergie nucléaire offre une alternative aux options énergétiques plus conventionnelles mais nécessite des procédures de surveillance et de sécurité des systèmes rigoureux. L’apprentissage automatique pourrait faciliter l’œil sur les éléments clés des systèmes nucléaires et le temps de réponse aux problèmes plus rapidement.
Syed Bahauddin Alam, professeur adjoint au Département de génie nucléaire, plasma et radiologique (NPRE) du Grainger College of Engineering de l’Université de l’Illinois Urbana-Champaign Simulations de dynamique (CFD). Les assistants de recherche de la NCSA et les étudiants diplômés de NPRE Kazuma Kobayashi et Farid Ahmed ont aidé au développement.
Publié dans Dégradation des matériaux NPJLa recherche d’Alam introduit des capteurs virtuels axés sur l’apprentissage automatique basés sur des modèles d’opérateur d’apprentissage en profondeur en complément des capteurs physiques dans la surveillance des indicateurs de dégradation critiques.
Les capteurs physiques traditionnels sont confrontés à des limitations, en particulier dans la mesure des paramètres critiques dans des environnements difficiles à atteindre ou sévères, ce qui entraîne souvent une couverture de données incomplète. De plus, les méthodes traditionnelles de modélisation numérique basées sur la physique, telles que CFD, sont encore trop lentes pour fournir des prédictions en temps réel dans les installations d’énergie nucléaire.
Au lieu de cela, les nouveaux réseaux de neurones de l’opérateur profond (Deeponet), lorsqu’ils sont correctement formés sur les unités de traitement graphique (GPU), peuvent prédire instantanément et avec précision les solutions multiphysiques complètes sur l’ensemble du domaine. Deeponet fonctionne comme des capteurs virtuels en temps réel et traite de ces limitations des capteurs physiques ou des prédictions de modélisation classiques, en particulier en prédisant les paramètres clés thermiques-hydrauliques dans la jambe chaude d’un réacteur à eau sous pression.
Parce que les composants sont en permanence soumis à des températures, des pressions et des rayonnements extrêmes, une surveillance et une inspection appropriées des éléments en cours de réacteurs nucléaires sont essentielles pour l’innocuité et l’efficacité à long terme. L’IA ne remplace pas la surveillance humaine, mais la création de nouvelles façons de surveiller et de prédire l’échec potentiel des éléments du système.
« Notre recherche introduit une nouvelle façon de protéger les systèmes nucléaires en utilisant des techniques avancées d’apprentissage automatique pour surveiller les conditions critiques en temps réel », a déclaré Alam. « Traditionnellement, il a été incroyablement difficile de mesurer certains paramètres à l’intérieur des réacteurs nucléaires, car ils sont souvent dans des environnements difficiles à atteindre ou extrêmement durs. Notre approche exploite des capteurs virtuels propulsés par des algorithmes pour prédire les conditions thermiques et d’écoulement cruciales sans avoir besoin de capteurs physiques partout.
« Pensez-y comme avoir une carte virtuelle sur le fonctionnement du réacteur, nous donnant une rétroaction constante sans avoir à placer des instruments physiques dans des points risqués.
Grâce au programme de l’Illinois Computes, ALAM a utilisé des allocations sur le Delta de la NCSA, effectuant des calculs pour la génération de données sur les nœuds de l’unité de traitement centrale (CPU) et pour les tâches de formation et d’évaluation sur un nœud de calcul avec des GPU NVIDIA A100. Il a collaboré avec les experts de la NCSA en informatique scientifique axée sur l’IA et en informatique haute performance.
«Le partenariat avec le Dr Diab Abueidda et le Dr Seid Koric de la NCSA étaient essentiels à notre succès. Grâce au programme, nous avons exploité des ressources de supercalcul de la pointe de Delta, y compris un nœud de calcul avec les GPU NVIDIA A100, pour former et tester efficacement nos modèles.
« Le personnel technique de la NCSA a fourni un soutien inestimable tout au long du processus, démontrant l’énorme impact de la combinaison de l’IA avec un calcul haute performance pour faire progresser la sécurité nucléaire. Nous continuerons de travailler à libérer la puissance de l’IA dans des systèmes d’énergie complexes, poussant les limites de ce qui est possible pour améliorer la sécurité, l’efficacité et la fiabilité », a déclaré Alam.
« Dans ce projet de calcul de l’Illinois, nous avons entièrement utilisé les ressources informatiques uniques uniques et l’expertise multidisciplinaire à la NCSA et au Grainger College of Engineering pour faire progresser la recherche en génie translationnel et transformatrice en Illinois », a déclaré SEID KORIC, directeur technique principal de l’ingénierie pour la recherche de la NCSA et du professeur de recherche au Département des sciences mécaniques et de l’ingénierie.
« Cette collaboration illustre la synergie qui émerge lorsque les méthodes AI avancées, les ressources informatiques hautes performances et l’expertise du domaine convergent », a déclaré Abueidda, chercheuse scientifique de la NCSA.
« Travaillant aux côtés de l’équipe du Dr Alam et des experts en IA et HPC de la NCSA, nous avons exploité les capacités de pointe de Delta pour repousser les limites de la surveillance en temps réel et de l’analyse prédictive des systèmes nucléaires.
« Nous sommes impatients de poursuivre cette approche interdisciplinaire pour stimuler les solutions transformatrices pour des systèmes énergétiques complexes. En fin de compte, ces percées mettent en évidence la promesse de la science informatique en relevant les défis urgents de l’énergie nucléaire. »
