مروری بر کاربرد هوش مصنوعی در صنعت هسته ای

انرژی هسته ای به عنوان یک منبع پاک و پایدار، در دوران معاصر که سیاست های جهانی کاهش انتشار کربن با حمایت گسترده ای روبه رو است، نسبت به دیگر منابع انرژی، ویژگی های منحصر به فردی ارائه می دهد. در دهه های اخیر، رشد چشمگیر فناوری های هوش مصنوعی فرصت های نوینی را برای ارتقای ایمنی و بهبود کارایی اقتصادی رآکتورهای هسته ای ایجاد کرده است، درحالی که چالش های جدیدی نیز در این مسیر پدید آمده اند. این مطالعه مروری به معرفی الگوریتم های پیشرفته هوش مصنوعی شامل یادگیری ماشین، یادگیری عمیق و محاسبات تکاملی می پردازد. همچنین، تحقیقات گوناگونی که به کاربرد این روش ها در بهینه سازی طراحی رآکتورهای هسته ای و همچنین در حوزه عملیات و نگهداری آن ها اختصاص یافته اند، مورد بررسی قرار گرفته است. موانع کلیدی که مانع از گسترش استفاده از هوش مصنوعی در فناوری رآکتورهای هسته ای شده و کاربرد آن ها را در مسائل واقعی محدود می کنند، در دو بخش اصلی خالصه می شوند: (۱) چالش های مرتبط با داده ها: محدودیت در دسترسی به داده های تجربی کافی، خطر انحراف توزیع داده ها و عدم توازن در مجموعه داده ها را افزایش می دهد. (۲) مشکل تفسیرپذیری: روش هایی مانند یادگیری عمیق، از شفافیت و قابلیت تفسیر کافی برخوردار نیستند و این مساله اعتمادپذیری آن ها را کاهش می دهد. در پایان، این پژوهش دو مسیر راهبردی برای آینده ادغام هوش مصنوعی در فناوری رآکتورهای هسته ای پیشنهاد می کند: (۱) تلفیق دانش تخصصی حوزه با رویکردهای داده محور: این ادغام می تواند نیاز به حجم باالی داده را کاهش داده و عملکرد مدل ها را پایدارتر سازد. (۲) توسعه و ترویج فناوری های هوش مصنوعی قابل توضیح (XAI): استفاده از مدل های قابل توضیح می تواند شفافیت و اعتماد به مدل های هوش مصنوعی را افزایش دهد. عالوه بر این، یادگیری علیتی به دلیل توانایی ذاتی خود در تعمیم مسائل خارج از توزیع (OODG)، نیازمند توجه ویژه ای است و می تواند نقش موثری در رفع چالش های موجود ایفا کند.

کلیدواژه ها:

هوش مصنوعی ، رآکتورهای هسته ای ، یادگیری ماشین ، یادگیری عمیق