L'energia nucleare rimane una pietra angolare della generazione di energia a basso tenore di carbonio, ma il margine di errore nelle operazioni di impianti è svanitamente piccolo. Poiché i progetti dei reattori diventano più sofisticati e le reti dei sensori si espandono, i tradizionali sistemi di monitoraggio basati sulle regole lottano per mantenere il passo con la crescente complessità.

Come l'AI migliora il monitoraggio della sicurezza nucleare

Mentre efficace per i modi noti di guasto, questi metodi spesso manca sottile, indicatori iniziali di degradazione. AI aumenta il monitoraggio convenzionale analizzando continuamente flussi di dati sensore ad alta dimensione, riconoscendo modelli che gli operatori umani potrebbero trascurare, e innescando avvisi prima che un problema minore si escalda in un evento serio.

Rilevazione dell'anomalia in tempo reale

Le moderne strutture nucleari sono equipaggiate con migliaia di sensori che controllano la temperatura, la pressione, la portata, i livelli di radiazione, le vibrazioni e le firme acustiche. Il volume di dati rende impraticabile per gli operatori di tracciare ogni parametro contemporaneamente. Modelli di apprendimento automatico, in particolare quelli basati su autoencoders e reti neurali convoluzionali, possono imparare la normale busta operativa di un reattore e deviazioni di bandiera in tempo reale.

Uno studio del 2023 pubblicato in Nuclear Engineering and Design[]] ha dimostrato che un modello di apprendimento profondo formato su 18 mesi di dati operativi da un reattore simulato potrebbe identificare guasti di rivestimento del carburante incipienti con accuratezza del 97%, rispetto all'82% per la logica di allarme convenzionale.

Predictive Manutenzione e attrezzature Salute

I guasti delle apparecchiature non pianificati sono una fonte primaria di rischio nelle centrali nucleari. La manutenzione predittiva alimentata da AI utilizza record di guasti storici accoppiati con monitoraggio delle condizioni in tempo reale per prevedere quando i componenti sono suscettibili di fallire. Modelli come foreste casuali, macchine di sollevamento del gradiente e reti di memoria a breve termine (LSTM) sono addestrati sulla telemetria dei sensori e registri di manutenzione per stimare la vita utile rimanente (RUL) per pompe, valvole, scambiatori di calore e scambiatori.

Il Electric Power Research Institute (EPRI)[uti:1]] ha eseguito programmi pilota in diverse centrali nucleari degli Stati Uniti dove i modelli prognostici basati su AI hanno ridotto le interruzioni di turbine inaspettate del 40% rispetto a un periodo di due anni. In un caso, un modello LSTM ha previsto un guasto principale della pompa di alimentazione 72 ore prima che si sarebbe verificato, permettendo agli operatori di prendere in sicurezza la pompa in modo sicuro offline durante una riparazione.

Fusione e analisi dei dati avanzate

La sicurezza nucleare non dipende da nessun singolo sensore ma dall'immagine integrata dello stato vegetale. L'IA eccelle nel fondere i dati da fonti eterogenee: flussi di sensori, registri storici, previsioni meteorologiche, reti di monitoraggio sismico e input dell'operatore umano. Le reti Bayesian e i modelli grafici probabilistici possono combinare questi input per produrre un profilo di rischio continuamente aggiornato.

Un altro settore di rapidi progressi è l'utilizzo del trattamento del linguaggio naturale (NLP) per analizzare i dati non strutturati come i rapporti di manutenzione, i registri degli incidenti e la corrispondenza regolamentare. Estrazione di milioni di pagine di documentazione, l'IAEA può visualizzare i modelli ricorrenti in eventi presso i prossimi licenziamenti e suggerire miglioramenti alle procedure o alla formazione.

Sfide di integrare l'AI nei sistemi di sicurezza nucleare

Nonostante i benefici chiari, l'implementazione di AI nella sicurezza nucleare non è semplice: l'industria è tra le più fortemente regolamentate al mondo, e qualsiasi cambiamento nel software relativo alla sicurezza deve soddisfare severi requisiti di affidabilità, sicurezza e spiegabilità, che non sono insormontabili, ma richiedono un'attenta progettazione e governance.

Rischi di sicurezza informatica

I sistemi AI introducono nuove superfici di attacco. L'apprendimento automatico avversario, dove un attore maligno realizza ingressi progettati per ingannare un modello AI, è una particolare preoccupazione per le applicazioni nucleari. Una sottile perturbazione a una lettura del sensore, impercettibile ad un operatore umano, potrebbe causare un modello di rilevamento di anomalia per classificare una condizione pericolosa come normale.

I regolamenti come la Commissione per la regolamentazione nucleare degli Stati Uniti (NRC) e i centri nazionali di sicurezza informatica stanno sviluppando una guida specifica per l'IA in contesti nucleari. Ad esempio, la NRC [ Guida regolamentare 5.71], che copre i programmi di sicurezza informatica per le strutture nucleari, è in corso di aggiornamento per affrontare le vulnerabilità uniche dei componenti dell'AI.

Spiegabilità e fiducia

Gli operatori nucleari sono formati per prendere decisioni basate su una chiara e verificabile logica. Una profonda rete neurale che emette un “rischio punteggio” senza spiegare quali caratteristiche ha portato il risultato è improbabile per guadagnare fiducia dell’operatore o approvazione normativa. Questo ha spinto l’interesse a spiegare i metodi AI (XAI), come SHAP (Scopri additive spiegazioni) e LIME (spiegazioni locali di modello-agnostica) che possono influenzare i sensori e i modelli.

In pratica, molti operatori nucleari preferiscono sistemi ibridi che combinano i suggerimenti AI con il ragionamento basato su regole trasparenti. Ad esempio, un AI potrebbe contrassegnare un'anomalia potenziale, e poi un secondo controllo del modulo deterministico se il modello rilevato corrisponde a precursori conosciuti da una base di conoscenza curata dall'uomo. Questo approccio stratificato preserva il potere di riconoscimento del modello di machine learning, assicurando che ogni azione suggerita possa essere tracciata a una catena logica di prove.

Arredo regolatore

I modelli AI che aggiornano i loro parametri nel tempo – o che si basano sugli algoritmi di black-box – non si adattano perfettamente ai processi di approvazione esistenti. I NRC e altri regolatori stanno lavorando attivamente su “verificazione e validazione” (V&V) standard per l’AI, ma questi rimangono in forma di progetto.

Occorre anche una cooperazione transfrontaliera: un reattore costruito in un paese può utilizzare componenti dell'AI fonte da un altro, sollevando domande sulla supervisione giurisdizionale dei dati di formazione del modello e dei protocolli di aggiornamento. L'IAEA ha stabilito un Gruppo di lavoro sull'intelligenza artificiale per applicazioni nucleari[]] per armonizzare le linee guida, ma uno standard internazionale unificato è ancora lontano anni.

Studi sui casi e applicazioni reali

Diversi operatori nucleari e organizzazioni di ricerca hanno già spostato l'IA fuori dal laboratorio e in ambienti operativi, che illustrano sia il potenziale che le lezioni pratiche imparate.

AI a Reattori a Luce Aerea esistenti

Framatome, un importante OEM nucleare, ha implementato un sistema di monitoraggio basato su AI chiamato VERA] (Ambiente virtuale per applicazioni reattore) a più impianti negli Stati Uniti e in Europa. VERA utilizza un gemello digitale del nucleo di simulazione del reattore, aggiornato in tempo reale con i dati delle piante, per prevedere la partenza da margini di ebollizione nucleati (DNB) - un parametro di sicurezza chiave.

In Corea del Sud, il Korea Atomic Energy Research Institute (KAERI)[[] ha sviluppato un sistema di allarme rapido basato su AI per il diradamento della parete del tubo causato dalla corrosione accelerata dal flusso.

AI per reattori modulari avanzati e piccoli

I reattori di prossima generazione, come i reattori modulari (SMR), i reattori di sale fuso e i reattori raffreddati a gas ad alta temperatura, presentano nuove sfide di monitoraggio. Molti di questi progetti si basano sulle caratteristiche di sicurezza passiva e operano a temperature più elevate o con diversi refrigeranti, rendendo i dati storici radi.

Le start-up come ]Energia Terribile] e NuScale Power] stanno incorporando la diagnostica alimentata con l'intelligenza artificiale nei loro sistemi di controllo dalla fase di progettazione. Ad esempio, il concetto di camera di controllo integrata di NuScale utilizza un modello di machine learning per monitorare la salute di ciascuno dei suoi 12 moduli del reattore (77 MWe coolations ogni viant) e predisabilità

Il futuro dell'AI nella sicurezza nucleare

L'AI matura e si adattano ai quadri normativi, il ruolo dei sistemi intelligenti nella sicurezza nucleare si espanderà, mentre gli sviluppi a breve termine si concentreranno sulle squadre dell'AI, mentre le visioni a lungo termine includono sistemi di sicurezza completamente autonomi per reattori remoti o profondi.

Sistemi di monitoraggio autonomi

Una direzione promettente è il concetto di un “controllore di sicurezza AI” che monitora continuamente tutti i sottosistemi di impianto, convalida la qualità dei dati e intensifica le anomalie agli operatori in ordine prioritario. Tali sistemi potrebbero operare intorno all’orologio senza fatica, mantenendo una vigilanza costante.

Per i microreattori remoti, piccole unità trasportabili progettate per alimentare operazioni minerarie o basi militari, il monitoraggio automatico della sicurezza è essenziale perché gli operatori umani possono essere a centinaia di chilometri di distanza. Aziende come Westinghouse] e ]Oklo]] stanno progettando i loro sistemi di eVinci e Aurora microreaggresso di controllo di sicurezza con l'intervento di controllo di controllo di controllo di sicurezza di controllo di controllo di controllo di controllo di controllo di controllo di controllo di controllo di controllo di controllo di controllo di tipo

Collaborazione umana-AI

Nonostante i progressi in autonomia, la cultura di sicurezza dell’industria nucleare sottolinea la supervisione umana. Il più probabile futuro a breve termine è un modello collaborativo in cui l’AI gestisce il monitoraggio e il riconoscimento dei modelli ad alta intensità di dati, mentre gli esseri umani si concentrano sul processo decisionale strategico, sulla convalida e sul giudizio etico.

Egualmente importante è lo sviluppo di standard internazionali per l'affidabilità AI in applicazioni critiche alla sicurezza. Organizzazioni come il Istituto di ingegneri elettrici ed elettronici (IEEE) e il International Electrotechnical Commission (IEC)[fici] stanno progettando guide come IEEE P7009 (Fail-Sacro)

In conclusione, l'intelligenza artificiale non è una pallottola d'argento per la sicurezza nucleare, ma è uno strumento potente che può migliorare notevolmente la velocità, l'accuratezza e la completezza dei sistemi di monitoraggio. Da prevedere i guasti delle apparecchiature giorni in anticipo per fondere i dati su migliaia di sensori in tempo reale, l'intelligenza artificiale affronta la crescente complessità delle moderne centrali nucleari.