La inteligencia artificial impulsa la eficiencia y seguridad en laboratorio nuclear estadounidense.
En una reciente e innovadora aplicación de tecnología de aprendizaje automático, el Laboratorio Nacional Argonne del Departamento de Energía de EE. UU. ha demostrado cómo puede mejorar significativamente la eficiencia y la seguridad de las operaciones de reactores nucleares.
El Potencial Transformador de la IA
El Laboratorio Nacional Argonne se sumerge en la era de la inteligencia artificial para revolucionar la operatividad de los reactores nucleares de tipo SFR (reactor rápido enfriado por sodio). Estos reactores, que emplean sodio líquido como refrigerante, tienen el potencial de generar electricidad de manera eficiente y sin emisiones de carbono a través de la fisión de átomos pesados.
Lo más leído
Aunque actualmente no se utilizan con fines comerciales en Estados Unidos, los SFR podrían jugar un papel crucial en la generación de energía más limpia y sostenible en un futuro cercano.
La Necesidad de un Sistema de ML
El desafío actual: la pureza del refrigerante de sodio líquido. Mantener esta pureza es esencial para evitar la corrosión y los atascos en el sistema. Los científicos de Argonne han desarrollado un sistema de aprendizaje automático que representa un avance en el control de la instrumentación y promete una mejora en la eficiencia y reducción de costos de los sistemas de energía nuclear.
Funciones del Modelo de ML
El modelo de aprendizaje automático: una promesa de monitoreo continuo y detección de anomalías. El modelo analiza datos de 31 sensores en la instalación METL del laboratorio, supervisando variables como temperatura, presión y caudal de fluidos. Esta capacidad de monitoreo continuo podría minimizar el riesgo de irregularidades que perturben la operación del reactor.
Entrenamiento y Pruebas en METL
La instalación METL no solo evalúa materiales y componentes para los reactores, sino que también sirve como campo de entrenamiento para ingenieros, técnicos y modelos de aprendizaje automático. La integración de un sistema completo potenciado por IA podría mejorar la supervisión y reducir las probabilidades de anomalías operativas.
Detección Rápida de Irregularidades
La habilidad del modelo para detectar irregularidades operativas de manera rápida y precisa se demostró mediante la simulación de una anomalía del tipo pérdida de refrigerante. El modelo identificó la anomalía en aproximadamente tres minutos desde su inicio.
Mejoras y Limitaciones
Aunque el modelo actual presenta limitaciones como las falsas alarmas, se planea su mejora para diferenciar entre «anomalías genuinas del proceso y ruido aleatorio en las mediciones». Existe un potencial significativo para aplicar estos avances en reactores avanzados que contribuirían a una energía libre de carbono en el futuro.