Giriş: Yeni Nükleer Güvenlik Sınırı
ABD Nükleer Düzenleme Komisyonu (NRC), sivil nükleer enerji santrallerinin ve materyallerin güvenli çalışmasını sağlamaktan sorumludur. Geleneksel güvenlik değerlendirmeleri, olasılıksal risk değerlendirmelerine (PRAs) ve uzman yargılara dayanır. Ancak, modern reaktör sistemlerinin karmaşıklığı, oer volume of sensör verilerinin sağlanması ve yapay zekanın (AI) ve öğrenme makinesinin entegrasyonunu nasıl sağlar.
NRC Güvenlik Değerlendirmelerinde AI ve ML Rolü
AI ve ML algoritmaları özellikle çok boyutlu, yüksek frekanslı verileri nükleer tesisler tarafından üretilen ve sürekli olarak yeni bilgilerle güncellenerek, bu araçlar insan analistleri için pratik olmayan yüzeysel öngörüler manuel olarak ortaya çıkabilir. NRC bu potansiyeli tanımıştır.
Data Sources and Integration
Herhangi bir AI/ML uygulama güvenlik değerlendirmelerinin temeli veridir. Nükleer bitkiler binlerce sensör ölçüm sıcaklığı, basınç, akış hızı, radyasyon seviyeleri ve vibrasyon. Bakım logları, inceleme raporları ve olay veri tabanları ile birlikte bu ayrımı birleştirilmiş bilgi ile ilişkilendirir.Demokratlı bilgi ile bütünleştirir.NRC'nin Reaktör Oversight Process (ROP) zaten performans göstergeleri kullanır ve AI bunu otomatik olarak genişletebilir.
Ölçeği Tanımlama ve Anomaly Tespit
Kontrolsüz makine öğrenme teknikleri – otoencoders, kümeleme algoritmaları ve bir sınıf destek vektör makineleri – SRC'nin, varsayılan hataların örneklerini gerektirmeden normal işletim koşullarından sapmaları tespit etmesi gibi. Örneğin, otomatik olarak kullanılan bir pompa titreşim verileri, zorlanmadan önce küçük bir taşıma aracının tespit edilmesinden önce bile bir eşiği gösterebilir. NRC, bir kesintiye uğramadan önce araştırmayı Slovenya Ulusal Laboratuvarda (INL) desteklemiştir.
Tahmin edici Bakım
Tahmin edici bakım (PdM), nükleer ortamlardaki en olgun ML uygulamalarıdır.Kayıtlı bir başarısızlık kayıtları ile sensör verilerini birleştirerek, geri dönüşüm modellerini veya tekrarlayan sinir ağları (RNNs) geri kalan yararlı yaşam (RUL) tahmin edebilir, örneğin, pompalar ve kontrol çubuğu sürücü mekanizmaları.Kayıtsız bir ağaç, 30 gün boyunca kesintisiz kesintiye uğrama riskini azaltabilir.
Risk Değerlendirme ve Karar Desteği
AI ve ML, gerçek zamanlı durum izleme ve işletim tarihi üzerine kurulu olan olasılıksal risk değerlendirmelerini de artırıyor (PRA) Geleneksel PRA, statik olay ağaçları ve hata ağaçlarına dayanıyor, genellikle büyük değişiklikler meydana geldiğinde, makine öğrenimi, operatörlere ve daha güncel bir risk profiline dayanan başarısızlık olasılığı daha dinamik olarak güncelleyebilir.Örneğin, mevcut sensör okumalarından öğrenen bir Bayesian ağı, bu tür bir güvenlik önlemlerinin (LOCA) test etme olasılığını ayarlayabilir.
Nükleer Güvenlikte AI/ML Teknik Vakfı
AI ve ML'nin düzenlenmiş ortamlardaki başarılı dağıtım algoritmaların, güçlülerinin ve sınırlamalarının derin bir anlayış gerektirir. Aşağıda NRC'nin güvenlik misyonuyla ilgili temel teknik yaklaşımlar inceleyeceğiz.
Hata Sınıflandırması için Süperviz Edilmiş Öğrenme
Geçmiş olaylardan etiketlenen veriler mevcut olduğunda, denetimli öğrenme modelleri (örneğin rastgele ormanlar, destek vektör makineleri veya konvolutional sinir ağları) sensör imzalarını normal, degraded veya başarısızlık durumlarına sınıflandırmak için yardımcı olur. Ancak, NRC'nin kendi kaza analiz kodları, bu işlemden binlerce geçici simülasyon oluşturmak için kullanılabilir.
Denetimsiz ve Semi-Supervised Learning
Normal vs. anomalous verilerin dengesizliğine göre, denetimsiz yöntemler genellikle tercih edilir. Semi- denetimli öğrenme, birçok etiketli örneği kullanarak, diğer algoritmaları veya insan-in-loop incelemesi için sentetik verileri de üretebilir. Deep jeneratif modeller, normal operasyonların olasılık dağılımını modellemek ve düşük bir olasılık atamak.
Muayeneler için Derin Öğrenme ve Bilgisayar Görme
Temel sistem bileşenlerinin içindeki görsel denetimler kritik ama zamanlayıcı sinir ağları (CNNs) ile hassas çelik borularda çatlakları veya kablolardan arındırmak için görüntü veya video beslemelerini analiz edebilir. Benzer teknikler analog ölçümler ve göstergeler olarak kullanılır. NRC'nin Nükleer Düzenleme Ofisi, geleneksel kontrol odalarında konlual sinir ağları (CNNs) kullanarak projeler finanse eder.
Olay Raporları için Doğal Dil İşleme
Binlerce Lisans Olay Raporları (LER) ve diğer anlatı belgeleri her yıl NRC'ye gönderilir. Doğal dil işleme (NLP) boru hatları, hata modundaki raporları alabilir ve ortaya çıkan eğilimleri tanımlayabilirsiniz. Add varlık tanıma (NER) şu anda NRC analistleri tarafından yapılan uzman incelemede eğitim gören.
Vaka Çalışmaları ve Pilot Programları
Çeşitli pilot programlar ve araştırma girişimleri, NRC güvenlik değerlendirmelerinde gerçek dünya uygulamasını göstermektedir.
INL's A Özerk Kontrol ve Güvenlik Analytics
Idaho National Laboratory, NRC'nin A Özerk Kontrol ve Güvenlik Analytics Platformu'nu geliştirmek için ortak bir şekilde ortak oldu ve NRC, bir taneden daha az bir saniyede bir dinamik PRA'yı doğru bir şekilde test etti.Sistem, sıkışık bir baskıcı rahatlama valfini doğru bir şekilde tanımlamak ve kontrollü bir kapanış serisini tavsiye etti.
Westinghouse ve Machine Learning for Fuel Performance
Westinghouse Electric Company, NRC ile işbirliği içinde, güç rampalarında yakıt kriladding başarısızlığı tahmin etmek için makine öğrenimi modellerini araştırdı. onlarca yıldır test reaktörü eğitimi ile, derin bir sinir ağı, hangi çubukların anahtar teslim olacağını tahmin etmek için% 98 oranında elde etti. NRC, bu tahminleri 10 CFR 50 kuralı altında yakıt tasarımları için kabul kriterlerini düzeltmeye çalıştı.
IAEA'nın Güvenlik Pilotu Için AI
Uluslararası Atom Enerji Ajansı (IAEA), bu araçların kabul edilmesiyle ilgili olarak bir koordinatörlük araştırma projesi başlattı ().
Meydanlar ve düşünceler
Sözcülüğe rağmen, AI ve ML'nin NRC güvenlik değerlendirmelerine entegrasyonu, yaygın düzenleyici kabulden önce ele alınması gereken önemli engellerle karşı karşıyadır.
Data Quality and Security
“garbage in, çöp dışarı” özellikle güvenlik-köpektik alanlarda doğrudur. Sensör sürüklenme, zaman-stamp senkronizasyon sorunları ve bozulmuş loglar önyargıları veya yanlış pozitifleri tanıtabilir. NRC, bir güvenlik uygulamasında kullanılan herhangi bir verinin temel olarak onaylanması ve kalibrasyon prosedürlerini gerektirdiğini gerektirir. Ek olarak, AI sistemleri için siber güvenlik endişeleri aşırı derecede yanlış olabilir: yeni bir koruma girişleri yanlış bir şekilde bir yanlış algılanabilir.
Model Geçerlilik ve Doğrulama (V&V)
Geleneksel nükleer yazılım titiz V&V'ye sahiptir, ancak makine öğrenimi modelleri, fizikle tutarlı değildir ve NRC, Sandia Ulusal Laboratuvarlarla işbirliği içinde, güçlü model değerlendirmeleri içeren bir çerçeve geliştirdi ([Dönetici:0DOE Nükleer Enerji Ofisi[Dönemli)
Şeffaflık ve Açıklanabilirlik
Düzenlemeler ve bitki operatörlerinin neden belirli bir öneride bulunduğunu anlamaları gerekir. Derin öğrenme modelleri genellikle “kara kutular”dır, ancak SHAP (SHapley Katkıları) gibi teknikler, LIME (Local Interpretable Model-agnostic Explanations), ve dikkat mekanizmalarının hem de yerel bir tahmin ve bir fizik temelli gerekçesi sağlayabileceğini bekler.
Düzenleme ve Etik
NRC, 2020 yılında, NRC'nin düzenleyici süreçte AI kullanımı üzerine bir taslak beyaz kağıt yayınladı, Ekonomik İşbirliği ve Kalkınma Örgütü (OECD) ile işbirliği yapan bir etik paneli de AMBALA'nın uluslararası bir şekilde kapatılması gerektiğini belirtti.
Muhasebe ve Sorumluluk
Bir AI modeli güvenlik-kahkadar sistemi yanlış anlamazsa kim sorumludur? NRC'nin mevcut pozisyonu, lisans sahibinin tam hesap verebilirliğini koruyor. AI sistemleri, bağımsız karar vericiler olarak değil, endüstrinin insan performansı ve savunma felsefesine vurgu yaptığı araçlar olarak tedavi ediliyor.
Bias ve Fairness
Eğitim verileri tarihsel önyargıları yansıtabilir - örneğin, bazı bitki yapılandırmaları veya işletim koşulları aşırı temsil edilebilir.Eğer ele alınmazsa, modeller daha az yaygın ama önemli senaryolar için sistematik olarak riskleri hafife alabilir. NRC, modellerin bir reaktörün tüm tasarım alanında sağlam olmasını önerir.
Nükleer Güvenlikteki AI Geleceği
Önümüzdeki gibi, NRC güvenlik değerlendirmelerindeki AI ve ML rolü önemli ölçüde genişletmek için ayarlanır, üç faktör tarafından yönlendirilir: gelişmiş reaktörlerin dağıtımları, dijital enstrümantasyonun evrimi ve AI güvenlik tekniklerinin maturasyonu.
Küçük modüler ve Gelişmiş Reaktörler için AI
Küçük modüler reaktörler (SMRs) ve ışık olmayan tasarımlar (örneğin, molten tuz, yüksek sıcaklık gaz soğutmalı) genellikle daha az operatörlere sahiptir ve otomatik kontrol sistemlerine güvenebilir. AI/ML, sürekli olarak güvenlik marjları sırasında kontrol stratejileri optimize edebilir. NRC zaten önceden bilgilendirilmiş yönetmelikler (bölüm 53) açıkça "güvenli kontrol, hidroksit kontrol ve hatta temel optimizasyon" lisans paradigması altında kullanılabilir.
AI-Driven Tahmin edici ve Prescriptive Operations
Tahmin edici bakım ötesinde, prescriptive Analytics belirli operatör eylemleri veya önleyici bakım programları için risk azaltmayı en aza indirmek için tavsiye edebilir. Yüksek sadakatli simülatörlerde eğitilmiş, insan operatörlerinin sezgisel olarak düşünmeyeceği politika alanları inceleyebilir. NRC'nin araştırma programı şu anda güçlendirici bir su reaktörü (BWR) dijital bir ikizini değerlendirmektedir.
İnsan-AI İşbirliği
Gelecekte insanlar yerine getirmekle ilgili değil, ancak onları bir sürükümletmekle ilgili değil. NRC, AI'nın veri füzyon, örüntü tanıma ve senaryo nesli ile ilgili bir modele sahip olduğu bir insan-AI ekibini modellemek ve analiz etmek için bir modele odaklanacak.
Sürekli Öğrenme ve Adaptasyon
Filo geliştikçe ve yeni operasyonel veriler mevcut hale gelir, ML modelleri güvenlik alanı korumak için güncel bir şekilde güncel öğrenme ve beslenme öğrenme (kıtlı bilgi paylaşımı olmadan birden fazla bitkide eğitim edilir) NRC'nin düzenleyici çerçevesi, Nükleer Enerji Enstitüsü'nden girişle ()
Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç
NRC güvenlik değerlendirmelerine yönelik AI ve makine entegrasyonu, kamu sağlığını ve güvenliğini korumak için görevde önemli bir adım temsil eder.Bu araçlar, NRC, ulusal laboratuvarlar, endüstri ve uluslararası ortaklar arasında devam eden ve daha hızlı bir şekilde yanıt verme yeteneği ile, kabul edilmesi gerekenleri, insanların güvenlik kararlarına en sonunda sorumlu kalmasının ilkesine yönlendirmelidir.