۲۹ آذر ۱۴۰۴
به روز شده در: ۲۹ آذر ۱۴۰۴ - ۱۹:۱۸
فیلم بیشتر »»
کد خبر ۹۱۵۴۵۵
تاریخ انتشار: ۲۱:۲۴ - ۱۴-۰۸-۱۴۰۲
کد ۹۱۵۴۵۵
انتشار: ۲۱:۲۴ - ۱۴-۰۸-۱۴۰۲

یادگیری ماشینی راکتورهای هسته ای را ارتقا می دهد

یادگیری ماشینی راکتورهای هسته ای را ارتقا می دهد
به گفته کارشناسان آزمایشگاه ملی آرگون وزارت انرژی آمریکا، فناوری یادگیری ماشینی پتانسیل تغییر در عملیات راکتورهای هسته ای‌ را دارد.

 آنها کاربرد ماشین یادگیری در راکتور سریع خنک شده با سدیم (SFR) را نشان دادند که یک راکتور هسته ای نوین و مخصوص است. SFR نوعی از راکتور هسته ای است که از سدیم مایع به عنوان مایع خنک کننده برای هسته اش استفاده می کند.

این کاربرد سبب می شود راکتور بدون تولید کربن و با جدا کردن اتم های سنگین، برق بسازد.

به گزارش مهر، هرچند این راکتورها هم اکنون برای مقاصد تجاری در آمریکا به کار نمی روند اما کارشناسان بسیار خوش بین هستند که آنها پتانسیل بالایی برای تحول تولید برق و کمک به کاهش دورریز هسته ای دارند. SFR ها در آینده نزدیک راهی برای تولید انرژی پاک تر و ماندگارتر به حساب می آیند.

طبق بیانیه رسمی منتشر شده، یادگیری ماشینی با یک چالش بزرگ مرتبط با اطمینان از مایع خالص خنک کننده سدیم با دمای بالا روبرو است.

حفظ این خلوص برای جلوگیری از پوسیدگی و گرفتگی سیستم حیاتی است. محققان آزمایشگاه آرگون برای برطرف کردن این چالش ها یک سیستم یادگیری ماشینی سرنوشت ساز ابداع کرده اند.

السکاندر هیفتز مهندس هسته ای ارشد آرگون در یک بیانیه رسمی نوشته است: با به کارگیری قدرت یادگیری ماشینی برای نظارت مستمر و تشخیص ناهنجاری‌ها، می توان کنترل ابزار دقیق را بهتر کرد. این امر به پیشرفت کارایی و مقرون به صرفه بودن سیستم های انرژی هسته ای منجر می شود.

برای همین منظور محققان یک مدل یادگیری ماشینی ابداع کردند و حوزه های عملیاتی مختلفی را در نظر گرفتند. نخستین حوزه رصد مداوم سیستم خنک کننده بود.

در بیانیه محققان آمده است: این مدل طوری تجهیز شده تا داده های ۳۱ حسگر واحد METL در آزمایشگاه آرگون را تحلیل کند که متغیرهایی مانند دما، فشار و جریان مایع را می سنجد.

همچنین به عنوان یک بستر آموزشی برای مهندسان، تکنسین ها و حتی مدل های یادگیری ماشینی عمل می کند که همگی می توانند در بهره برداری و نگهداری این راکتورها سهیم باشند.

ادغام یک سیستم کامل تقویت شده توسط یادگیری ماشینی می تواند نظارت را بهبود بخشد و خطر ناهنجاری هایی را کاهش دهد که عملکرد راکتور را مختل می کند.

همچنین محققان ظرفیت مدل برای ردیابی اختلالات عملیاتی را به سرعت و با دقت نشان دادند.

این پژوهش ارتقای قابل توجهی برای مدل های آینده فراهم می کند. البته محدودیت های قابل توجهی نیز دارد مانند احتمال انتشار هشدارهای اشتباه در نتیجه ناکارآمدی تصادفی حسگرها.

برچسب ها: راکتور ، یادگیری
ارسال به دوستان
درخشش نوابغ ایرانی در ترکیه؛ دو نشان طلای جهان بر گردن شطرنج‌بازان نوجوان ایران وداع بدمینتون‌باز ایران با جام قزاقستان؛ «علی حیاتی» در مرحله یک‌هشتم نهایی متوقف شد رونمایی از آنونس رسمی سریال «مو به مو»؛ درام جدید پرویز شهبازی در آستانه انتشار (+فیلم) انتصاب سعید اوحدی به سمت مشاور رئیس‌جمهور در امور ایثارگران جزییات دو آلبوم منتشر نشده استاد شجریان انتقام انزلی‌چی‌ها در سن‌سیروس؛ ملوان با درخشش رمضانی راهی یک‌چهارم نهایی شد اشارۀ پمپئو به کدام اپوزیسیون است؟ مقصران جدید خشکسالی!  شکست تجاری عربستان در سوپرجام ایتالیا؛ فینال ناپولی-بولونیا بدون مشتری! استایل پاییزی و متفاوت «آذین رئوف» در طبیعت گیلان؛ تلفیق رنگ و هنر در دل جنگل (عکس) فرار چلسی از شکست در خانه کلاغ‌ها؛ تقسیم امتیازات در شب درخشان جیمز و پدرو انتخاب‌های منتقد سرشناس سینمایی مجله «گاردین» برای سال ۲۰۲۵ پاسخ کنایه‌آمیز کریم باقری به بیانیه تراکتور؛ «آن زمان که در تبریز به من و دایی توهین شد، خجالت کشیدم» پرش پرسپولیس به رتبه دوم با متد برزیلی؛ آمار خیره‌کننده اوسمار علیرغم افت هجومی کاهش قیمت لبنیات با مصوبه جدید شیر خام
نظرسنجی
طنز «مهران مدیری» را بیشتر دوست دارید یا طنز «رضا عطاران» را؟