تحول در همجوشی هستهای: روش جدید میتواند زمان طراحی راکتور را به مدت یک دهه کاهش دهد
پژوهشگران دانشگاه بریگهام یانگ (BYU) یک روش برای کاهش زمان توسعه راکتورهای هستهای به اندازه یک دهه یا بیشتر نشان دادهاند.
در حال حاضر، فرآیندهای طراحی و صدور مجوز برای راکتورهای هستهای مدرن زمان زیادی میبرد. دریافت مجوز برای یک طرح جدید راکتور هستهای در ایالات متحده ممکن است حدود ۲۰ سال طول بکشد و هزینهای در حدود یک میلیارد دلار داشته باشد.
علاوه بر این، ساخت یک راکتور هستهای مدرن پس از فرآیند مجوز، میتواند حدود پنج سال دیگر و میلیاردها دلار بیشتر به طول بینجامد. به این ترتیب، توسعه یک راکتور هستهای در ایالات متحده تقریباً ۲۵ سال طول میکشد، همانطور که توسط پژوهشگران اشاره شده است.
تیم تحقیقاتی به رهبری پروفسور متیو ممووت، میخواهند با کمک هوش مصنوعی (AI) مدت زمان و هزینههای مربوط به آنلاین کردن نیروگاههای هستهای جدید را کاهش دهند.
این تیم نشان داده که چگونه میتوان از هوش مصنوعی برای تسریع در فرآیندهای طراحی و صدور مجوز برای راکتورهای هستهای مدرن استفاده کرد.
پروفسور گفته است: “ایده این است که آن را کوتاهتر کنیم، ایمنتر، ارزانتر و سریعتر تا به توان هستهای دست یابیم، بهجای آن که ۲۵ سال برای دریافت مجوز صبر کنیم.”
افزایش تقاضا برای همجوشی هستهای
با افزایش تقاضا برای انرژی و پایداری، دانشمندان در سراسر جهان به سمت منابع انرژی تجدیدپذیر حرکت کردهاند.
در این راه، همجوشی هستهای بهعنوان گزینه موردنظر برجسته شده است. این فرآیند که خورشید را به حرکت در میآورد، به عنوان کلیدی برای تولید انرژی بیپایان و پاک بر روی زمین شناخته شده است.
به همین دلیل، سازمانها و نهادهای دولتی و خصوصی در سراسر جهان در تلاش هستند که راکتورهای هستهای بسازند که توانایی اجرای موفقیتآمیز فرآیند همجوشی را داشته باشند.
میموت در یک بیانیه مطبوعاتی گفت: “تقاضای ما برای برق در سالهای آینده بهطور چشمگیری افزایش خواهد یافت و ما باید راهی پیدا کنیم که به سرعت توان اضافی تولید کنیم.”
“تنها توان پایهای که میتوانیم در مقادیر گیگاواتی تولید کنیم و کاملاً بدون انتشار است، توان هستهای است.”
پیچیدگی طراحی راکتور هستهای
پیچیدگی و زمانبر بودن طراحی راکتور هستهای از ماهیت چندپیمانهای فرآیند سرچشمه میگیرد.
این فرآیند همه چیز را از نوترونها در مقیاس کوانتومی تا جریان خنککننده و انتقال حرارت در مقیاس بزرگ شامل میشود. لایههای متعدد فیزیک نیز به طور تنگاتنگی با هم مرتبط هستند که طراحی را پیچیدهتر میکند.
میموت این مسائل را با اشاره به تجربه شخصی خود توضیح داد.
“وقتی در وستینگهاوس کار میکردم، تیمی از متخصصان نوترون ۶ ماه طول میکشید تا یک مدل کامل فیزیک چند رآکتور را انجام دهند. و اگر دو ماه قبل اشتباهی میکردند، دو ماه از زمان محاسباتی ارزشمند را تلف کرده بودند و باید از اول شروع میکردند.”
پژوهش جدید نشان داده است که چگونه هوش مصنوعی میتواند این بار زمانی را کاهش دهد. تیم یک بخش از شبیهسازیهای حرارتی هیدرولیکی و نوترونیکی مورد نیاز را با یک مدل یادگیری ماشین آموزشدیده جایگزین کرد.
این مدل پروفایلهای دما را بر اساس پارامترهای هندسی متغیر راکتور پیشبینی میکند. این پارامترها سپس بهینهسازی میشوند تا به طراحی بهینهای برای راکتور هستهای برسند، اما با هزینه محاسباتی بسیار کمتر از روشهای سنتی.
آزمایش و اعتبارسنجی
جالب است که پژوهشگران دهها الگوریتم یادگیری ماشین ساختند و آزمایش کردند، بهترین سه الگوریتم را شناسایی کرده و آنها را تا زمانی که یکی از آنها با مجموعه داده اولیه بهطور فوقالعادهای عمل کرد، به خوبی تنظیم کردند.
یافتههای آنها که در مجله Nuclear Engineering and Design منتشر شده است، نشان میدهد که مدل تصحیحشده آنها میتواند عناصر طراحی هندسی را به طور قابل توجهی سریعتر از روشهای سنتی بهینهسازی کند.
به عنوان مثال، تیم ایده خود را با استفاده از الگوریتم هوش مصنوعی خود برای تکرار یک سپر طراحی شده توسط یک شرکت محلی هستهای آزمایش کرد. به طرز شگفتانگیزی، الگوریتم در عرض دو روز تطابقی تقریباً کامل با سپر شرکت ارائه داد.
“این شگفتانگیز است، زیرا ما توانستیم ظرف چند روز همان کاری را انجام دهیم که تیم مهندسین شش ماه طول کشید که انجام دهند،” پژوهشگر اظهار داشت .
این دستاورد میتواند راه را برای گسترش سریعتر و مؤثرتر از نظر هزینهای انرژی هستهای هموار کند.