استخدام الخوارزميات التعليمية الآكلينية في التنبؤ بعدم وجود نظام نووي ومنع حدوثه

إن خوارزميات التعلم الماكنة تحول الطريقة التي ندير بها النظم النووية المعقدة، إذ تقوم هذه الخوارزميات بتحليل كميات كبيرة من البيانات، بتحديد أنماط قد تدل على وجود إخفاقات محتملة، مما يتيح اتخاذ تدابير استباقية في مجالي الصيانة والسلامة، وهذا التحول من تفاعل إلى تحليلات تنبؤية، يُعيد تشكيل عمليات محطات الطاقة النووية، ويقلل من وقت التعطل، ويعزز الثقة العامة في الطاقة النووية كمصدر نظيف وموثوق للطاقة.

التعريف بالتعلم في مجال السلامة النووية

إن الأساليب التقليدية لرصد النظم النووية تعتمد اعتمادا كبيرا على عمليات التفتيش اليدوية، والاختبارات الدورية، وبروتوكولات السلامة المحددة مسبقا، وفي حين أن هذه النهج فعالة في سيناريوهات عديدة، فإنها قد تفتقد إلى مؤشرات مبسطة، ومؤشرات أولية لتدهور المكونات أو شذوذ النظم، فالتعليم الآلاتي توفر بديلا ديناميا من خلال التعلم المستمر من البيانات التشغيلية مثل درجة الحرارة والضغط واليقظة والقراءات الإشعاعية - لتعزيز السلامة والكفاءة.

فالنماذج التعليمية الماكنة تبرز في الكشف عن العلاقات غير الخطية والتفاعلات المعقدة داخل مجاري الاستشعار التي قد يتجاهلها المشغلون البشريون، مثلا، فإن التحول التدريجي في توقيع مضخة مبردة على مدى أسابيع يمكن أن يشير إلى الفشل الوشيك قبل تجاوز أي عتبة تقليدية، ومن خلال القيام آليا بتحليل البيانات التاريخية والبيانات الحالية، فإن هذه البيانات البرمجية تتحرر من التركيز على العناصر الأساسية للسلامة النووية.

أنواع الألغوريثم المستخدمة في التعلم

ويشمل التعلم في مجال الآلات طائفة من الأسر الخوارزمية، كل منها يناسب مختلف جوانب رصد النظام النووي والتنبؤ بالفشل، وتشرف الفئات الرئيسية الثلاث المطبقة في الهندسة النووية على التعلم، والتعلم غير المشرف، والتعلم في مجال تعزيز القدرات.

التعليم الإشرافي

وتُدرَّب نماذج التعلم المشرف على مجموعات البيانات المسمَّاة التي تُعرف فيها أزواج المدخلات والنواتج، على سبيل المثال، وتُعاد قراءتها بواسطة أجهزة الاستشعار التاريخية التي تُطابق سجلات الفشل الفعلي في العناصر، وتشمل الخوارزميات المشتركة الغابات العشوائية، وآلات الدعم، والشبكات العصبية العميقة، وفي التطبيقات النووية، يُستخدم التعلم المشرف على هذه المواد للتنبؤ بباقي من العناصر الحيوية مثل نماذج التحذير من المحركات المُعدِّدة، والتحكم في المُ المُفاعلات.

ومن بين عمليات النشر الملحوظة استخدام الأشجار المزروعة بمستويات عالية للتنبؤ بكسر الزنوج في سفن ضغط المفاعلات، والمتغيرات التي تُحدث في إطار النموذج مثل دورات الحرارة، وتدفقات النيوترونات، والممتلكات المادية، ثم يؤدي إلى توزيع محتمل للشباك على مدى الفترة التشغيلية المتبقية، مما يسمح لمشغلي المصانع بتحديد مواعيد عمليات التفتيش أثناء فترات التجاوز المقررة بدلا من إطلاق الصواريخ الطارئة.

التعلم غير المشرف

ولا تتطلب خوارزميات التعلم غير المشرفة، مثل التكتلات التكتلات، وتركيب الكميانات، والغابات المنعزلة، بيانات الفشل المسمّى، بل إنها تتعلم المظروف التشغيلي العادي لنظام ما، وانحرافات العلم كحلول، وهذا أمر له قيمة خاصة في البيئات النووية التي تكون فيها أحداث الفشل نادرة، وتُعتبر بيانات مسمّاة شحيحة، على سبيل المثال، فإن وجود جهاز آلي يُدرّم على مدى آلاف الساعات من السلوك الطبيعي.

وقد استخدمت أساليب التجميع في تجميع نظم تشغيل مماثلة، ومساعدة المهندسين على تحديد متى تتحول النبات إلى نمط غير مرئي سابقا قد يربطه بالأداء المتدهور، وفي إحدى الدراسات الإفرادية التي أجريت في مفاعل مائي مضغط، اكتشف التعلم غير المشرف حدوث تسرب مبرد في حلقة ثانوية قبل ساعتين من بدء أي إنذار تقليدي، مما حال دون احتمال حدوث حادث فقدان للماء.

تعزيز التعلم

ويختلف التعلُّم في مجال الإنفاذ عن النُهج التي يشرف عليها وغير المشرف عليها، حيث يتعلم الوكيل الإجراءات المثلى من خلال المحاكمة والخطأ، ويتلقى المكافآت أو العقوبات استناداً إلى النتائج، وفي النظم النووية، تم استكشاف القانون الإقليمي من أجل التحكم في الوقت الحقيقي في مهام السلامة، مثل إدارة عمليات التثبيت الأساسية في حالات الطوارئ أثناء فترة الانتقال، ويتم تدريب الوكيل على سيناريوهات العالية الجودة التي تُدرَّب على تحقيق أقصى قدر من الإمكانات في مجال السلامة.

فعلى سبيل المثال، طُبقت شبكات الطاقة المتجددة العميقة على عمليات التلقائية لزراعة الحمولة، وتعديل مواقع قاعات التحكم، ومعدلات تدفق التبريد من أجل تحقيق التوازن بين الطلب على الطاقة دون تجاوز الحدود الحرارية، وعلى الرغم من أن RL لم يتم نشرها على نطاق واسع بعد في المفاعلات التجارية بسبب الشواغل التنظيمية، فإن البحوث في مؤسسات مثل ] [FLRC:2] لا تزال اختبارات قوية.

التطبيقات في النظم النووية

وتطبق نماذج التعلم من الآلات على امتداد دورة الحياة الكاملة لتوليد الطاقة النووية، بدءاً من اختلاق الوقود إلى وقف التشغيل، وتركز أكثر التطبيقات نضجاً على الصيانة التنبؤية، والكشف عن الشذوذ، والتصنيف الأمثل للعمليات، وتُحدَّد هذه الخوارزميات مجالات رئيسية تؤدي فيها هذه الخوارزميات إلى تأثير قابل للقياس.

الصيانة الافتراضية لمكونات المفاعل

ويمكن أن تؤدي العناصر الحاسمة مثل المضخات والصمامات ومبادلات الحرارة ومولدات البخار إلى ارتدائها، والتآكل، والارتداد، واستخدامات الصيانة الافتراضية للفشل المتوقع قبل حدوثها، مما يتيح استبدال القطع أو إصلاحها أثناء فترات انقطاعها المقررة، وعلى سبيل المثال، فإن شبكة التخلف عن العمل طويلة الأجل، التي تُحدِّد بيانات الاختتام المُتَبِّرة عن الفشل في عمليات الشراء الأولية.

وقد نشر معهد الحماية من الإشعاعات والأجهزة اللاسلكية (IRSN) دراسات تبين أن الصيانة المتوقعة التي تُقدرها وزارة الصحة يمكن أن تقلل تكاليف الصيانة بنسبة تتراوح بين 20 و30 في المائة مع تحسين توافر النباتات عموماً وفي الولايات المتحدة، يمول مكتب الطاقة النووية التابع للطاقة عدة مشاريع تدمج نظام ML مع نماذج قياسية للتقديرات الحقيقية.

كشف الشذوذ في بيانات الاستشعار

وتجهز النباتات النووية الحديثة بألاف أجهزة الاستشعار التي تقيس بارامترات مثل درجة الحرارة والضغط والتدفق والتدفق النيوترونات والإشعاع، وتفتت خوارزميات الكشف الأنوميلي من خلال هذه البيانات باستمرار، وتكشف عن القراءات التي تنحرف عن الأنماط المتوقعة، وتستخدم تقنية مشتركة آلة دعم من طبقة واحدة مدربة فقط على البيانات العادية، وتُحقق في أي نقطة تقع خارج الحدود المتعلمة.

وفي عام 2022، أظهر الباحثون في مختبر إيداهو الوطني إطارا يجمع بين أجهزة التلقائية والتحكم في العمليات الإحصائية لكشف حالات الشذوذ الخفية في قلب مفاعل نووي محاكا، وقد حقق النظام معدلا للكشف يزيد على 95 في المائة مع معدل إيجابي زائف يقل عن 1 في المائة، مما يؤكد جدوى الرصد غير المشرف في البيئات الحرجة للسلامة.

بروتوكولات التبريد والسلامة على الوجه الأمثل

كما أن التعلم في مجال الآلات يؤدي دورا في تحقيق الحد الأمثل لعمليات التبريد والاستجابة في حالات الطوارئ، فعلى سبيل المثال، تم تدريب وكلاء التعاضد على إدارة تسلسل بدء ووقف شبكات إزالة الحرارة من الخريف، وضمان بقاء درجات الحرارة في حدود التصميم، وبالمثل، يمكن للنموذجات الخاضعة للمراقبة أن تتنبأ بالسلوك الحراري - الهيدرولي لب المفاعلات أثناء الحوادث المأهولة، ومساعدة المهندسين على صقل هوامش الأمان وإجراءات التشغيل في حالات الطوارئ.

وتستفيد تصميمات المفاعلات المتقدمة، مثل المفاعلات النموذجية الصغيرة ومفاعلات الملح المتحركة، خصوصاً من الرقابة القائمة على القانون النموذجي المتعدد الأطراف، لأنها كثيراً ما تعمل في ظروف تكافح فيها نظريات الرقابة التقليدية - مثلاً، مع حلقات تفاعلية مقترنة للغاية.() وتبرز صفحة تكنولوجيا الترددات SMR() دور المفاعلات الآيرية في التمكين من المفاعلات المستقلة أو شبه المدارية.

رصد مستويات الإشعاع والبيانات البيئية

فالرصد البيئي حول المواقع النووية ينطوي على قياس النشاط الإشعاعي في الهواء والماء والتربة، ويحسن نماذج التعلم في مجال الآلات من حساسية الكشف عن طريق فصل الضوضاء الخلفية عن القراءات الراقية الحقيقية، وعلى سبيل المثال، يمكن لتراجع عملية غاوسيان أن يتداخل بين شبكات الاستشعار المتفرقة لرسم خرائط الحقول الإشعاعية في الوقت الحقيقي، وتحديد التسربات المحتملة من أكواخ التخزين أو أثناء نقل الوقود المستهلك، وهذه القدرة حاسمة بالنسبة للعمليات الروتينية والاستجابة لحالات الطوارئ في أعقاب الحوادث.

فوائد استخدام التعلم في مجال الآلات

إن إدماج خوارزميات التعلم الآلاتي في إدارة النظام النووي يوفر عدة مزايا هامة تتراوح بين تعزيز السلامة وتخفيض التكاليف، ويتزايد اعتراف المنظمين والمشغلين في جميع أنحاء العالم بهذه الفوائد.

تعزيز السلامة

فالكشف المبكر عن الإخفاقات المحتملة يقلل من خطر وقوع الحوادث والإطلاقات المشعة غير المخطط لها، إذ إن تحديدها قبل أشهر من بلوغ مستويات حرجة، تتيح النظم التي تحركها حركة تحرير الكونغو للمهندسين التدخل بحافة كبيرة، بالإضافة إلى أن الكشف عن الشذوذ يمكن أن يلتقط أساليب فشل غير معروفة سابقاً تفوتها الإنذارات العتبة القديمة، ويتجلى الأثر التراكمي في انخفاض تواتر وخطورة أحداث السلامة، مما يسهم في تعزيز ثقافة السلامة.

الوفورات في التكاليف

فالنفقات الافتراضية تقلل إلى أدنى حد من وقت التعطل غير المخطط له، وهو أكبر مصدر وحيد للخسائر الاقتصادية للمشغلين النوويين، ويمكن أن يكلف يوم واحد من التجاوز القسري عند 000 1 ميغاواط زيادة قدرها 1 إلى 2 مليون دولار في تكاليف الطاقة البديلة وضياع الإيرادات، ومن خلال تمديد فترات التفتيش وتفادي الفشل الكارثي، يمكن أن تقلل أدوات منع الحمل من الإنفاق على الصيانة بنسبة تتراوح بين 20 و30 في المائة وفقا لتقديرات الصناعية.

الكفاءة التشغيلية

وتحسن نظم الرصد الآلي ودعم القرار أوقات الاستجابة للظروف الشاذة، فبدلا من انتظار أن يلاحظ المشغلون الانجراف في فريق المراقبة، يمكن أن تصدر خوارزميات حركة تحرير الكونغو إنذارات في غضون ثوان وتقدم توصيات مرجحة، وهذا المكسب من الكفاءة مهم بصفة خاصة في محطات متعددة الوحدات حيث يكون الاهتمام البشري موردا محدودا، ويمكن على مر الزمن تشغيل المصنع على نحو أوثق من هوامش تصميمه دون تجاوز حدود الأمان، مما يعزز الناتج العام.

التحديات والاتجاهات المستقبلية

وعلى الرغم من فوائدها، فإن تطبيق التعلم الآلي في النظم النووية يشكل تحديات هائلة يجب التصدي لها قبل نشرها على نطاق واسع في أدوار حرجة للسلامة، وتشمل أمن البيانات، وإمكانية التفسير النموذجية، ونوعية البيانات، والقبول التنظيمي.

أمن البيانات وخصوصيتها

فالمرافق النووية أهداف ذات قيمة عالية بالنسبة للهجمات الإلكترونية، إذ تتطلب نماذج التعلم الماكين مجموعات بيانات واسعة النطاق، كثيرا ما تنقل عبر الشبكات أو تخزن في بيئات السحاب، مما يزيد من سطح الهجوم، ويمكن للخصوم التلاعب ببيانات التدريب لإدخال تحيّزات خفية أو أن تجعل النموذج يفشل بطريقة محددة وخطيرة، كما أن التدابير الصارمة لأمن الفضاء الإلكتروني - مثل الخصوصية المتمايزة، والاختبار المشفّر، والوزع الأساسي.

الترجمة الشفوية النموذجية

وهناك نماذج عديدة للتعلم الآلي، ولا سيما الشبكات العصبية العميقة، تعمل كصناديق سوداء، وفي بيئة نووية، يحتاج المهندسون والمنظمون إلى فهم سبب ظهور نموذج يُظهر حالة شاذة أو يتوقع حدوث إخفاق، وإذا تعذر تفسير ذلك، فمن الصعب الثقة في الناتج بل ومن الصعب الدفاع عنه أثناء الترخيص أو الاستعراض.

نوعية البيانات ومدى توافرها

فالنظم النووية تولد كميات كبيرة من البيانات، ولكنها لا تكون جميعها مناسبة لتدريب نماذج قوية لجرائم متعددة، فالإنجراف الحس، والقيم المفقودة، وعدم الاتساق في وضع العلامات، هي مشاكل مشتركة، علاوة على أن أحداث الفشل نادرة، وبالتالي فإن مجموعات البيانات كثيرا ما تكون غير متوازنة إلى حد بعيد، مما يجعلها تحد من تدريب نماذج عامة جيدا على سيناريوهات غير منظورة، وقد يؤدي توليد البيانات الاصطناعية والتعلم الفيزيائي إلى حلول جزئية، ولكنها تتطلب نماذج عالية التصحيح.

الرقابات التنظيمية

فالصناعة النووية تخضع للتنظيم بشدة، مع اشتراطات صارمة للحصول على شهادات برامجيات الأمان، فالطرق المحددة التقليدية مفهومة جيدا، ولكن النواتج المحتملة من نماذج حركة تحرير الكونغو لا تتناسب بدقة مع الأطر القائمة، ويعمل المنظمون على توجيه جديد، مثل مجموعة معايير الأمان التابعة للوكالة الدولية للطاقة الذرية والإطار التنظيمي المقترح للمؤسسة النرويجية للتعاون الدولي، ولكن يجب أن يكون الاعتماد تدريجيا.

الاتجاهات المستقبلية

وفي المستقبل، تعد عدة اتجاهات ناشئة بالتغلب على القيود الحالية وتسريع اعتماد التعلم الآلي في النظم النووية، وتشمل هذه الاتجاهات عوامل مفسرة، وتوائم رقمية، وتكامل الأمور مع شبكة الإنترنت (IoT).

AI (XAI)

ومن أجل كسب ثقة المنظمين والمشغلين، ستصمم نماذج القانون النموذجي في المستقبل مع توخي الشفافية كشرط أساسي، ولن تفسر تقنيات الرقم القياسي للتنمية الصناعية فقط التنبؤات الفردية بل توفر أيضا فترات الثقة وقياس كمية عدم التيقن، والنماذج الهجينة التي تجمع المحاكاة القائمة على الفيزياء مع التعلم القائم على البيانات (الشبكات العصبية المزودة بالمعلومات الفيزيائية) واعدة بشكل خاص لأنها تتوافق مع المعايير الهندسية القائمة ويمكن التحقق منها.

التوائم الرقمية

والتوائم الرقمي هو نسخة افتراضية من نظام نووي مادي يعكس سلوكه باستخدام بيانات الاستشعار ونماذج المحاكاة، ويمكن أن تختبر خوارزميات التعلم الماكين التي تدار على التوأم الرقمي سيناريوهات " ما إذا كانت " غير مجازفة، وأن تُحدِّد جداول الصيانة على النحو الأمثل، وأن تتنبأ بالأيام أو الأسابيع السابقة، وقد استثمرت وزارة الطاقة في تكنولوجيا التواؤم الرقمية، بما في ذلك مشروع " جيلام " .

التكامل مع نظام IoT وحساب إدج

ومع نشر المصانع النووية أجهزة استشعار لاسلكية وأجهزة ذكية، سيزداد حجم بيانات التصفيق زيادة هائلة، وستؤدي بيانات التجهيز الحاسوبي للطرق المحلية بدلا من إرسالها إلى شبكة مركزية للحواسيب إلى إتاحة إمكانية الاستدلال في الوقت الحقيقي على أساس التردد المنخفض، وهو أمر أساسي لإجراءات السلامة، وستُضغط نماذج التعلم الماكنة وتُستخدم على النحو الأمثل لتشغيلها على المعدات المحدودة، وستسمح تقنيات الصيانة الآخذة بالتنبؤ.

وفي الختام، فإن خوارزميات التعلم الآلي تُعتبر أداة لا غنى عنها للتنبؤ بإخفاقات النظام النووي ومنعها، ومن خلال التعلم المستمر من البيانات التشغيلية، تعزز هذه النظم السلامة، وتخفض التكاليف، وتحسن الكفاءة، وفي حين أن التحديات لا تزال قائمة في مجال الترجمة الشفوية، ونوعية البيانات، والبحوث والتعاون المستمرين في مجال المواءمة بين الصناعة والأوساط الأكاديمية والهيئات التنظيمية، تؤدي دورا حيويا في ضمان السلامة النووية.