Ядерный интеллект: нерешаемые проблемы ИИ на АЭС

Сферы применения

Атомщики считают ИИ весомым подспорьем в вопросах эффективности, безопасности, автоматизации и профилактического обслуживания ядерных объектов. В 2021 году Международное агентство по атомной энергии (МАГАТЭ) провело Техническое совещание по искусственному интеллекту для ядерных технологий, которое изначально планировалось как международный междисциплинарный форум. В итоговом коммюнике 69 ученых из крупнейших мировых институтов подняли вопросы использования ИИ в ядерной физике, радиационной защите, ядерной безопасности и в области проверки гарантий использования ядерных материалов в мирных целях.

Очевидно, что способность систем искусственного интеллекта анализировать большие объёмы данных в режиме реального времени может помочь в сферах теоретического моделирования, а также в повышении эффективности обработки данных и управления ими. К примеру, прогнозное техническое обслуживание – одно из наиболее перспективных применений искусственного интеллекта в ядерном секторе. Модели машинного обучения могли бы прогнозировать отказы оборудования и систем путем анализа исторических данных и выявления закономерностей, что позволило бы операторам эффективнее планировать техническое обслуживание, избегая неожиданных сбоев и сводя к минимуму перерывы в работе.

Автоматизация – ещё одна область, представляющая интерес для внедрения ИИ. Роботы и автоматизированные системы могут выполнять рутинные задачи, такие как проверки и техническое обслуживание. Это не только повышает эффективность, но и снижает риск человеческой ошибки и воздействия опасных условий на персонал.

Долговечность и надежность ядерной инфраструктуры можно было бы повысить, если бы ИИ обнаруживал ранние признаки износа ключевых ее компонентов, включая турбины, реакторы и системы охлаждения. Кроме того, алгоритмы могли бы регулировать уровень выработки энергии, исходя из данных о погодных условиях, производительности оборудования в режиме реального времени. Такая динамическая регулировка могла бы поддерживать стабильное энергоснабжение и максимизировать выработку энергии. Также возможности ИИ можно было бы применить для оптимизации расхода топлива, чтобы снизить эксплуатационные расходы и воздействие на окружающую среду.

Огромное внимание исследователей заслуживает область создания и полезного использования цифровых двойников - виртуальных копий физических систем, которые могут имитировать реальные условия и прогнозировать результаты. В условиях симуляции технологических процессов можно было бы моделировать реакторы, турбины и другие критически важные компоненты, чтобы тестировать определенные сценарии и оптимизировать производительность. 

На данный момент тема ИИ в ядерном секторе ограничивается научными исследованиями и непрекращающимися дискуссиями. Безусловно, способности искусственного интеллекта могли бы оптимизировать работу операторов и ученых-ядерщиков, но остается открытым главный вопрос – как сети приходят к тем или иным выводам. Именно по той причине, что логические связи нейронки недоступны для понимания человека, использование ИИ в работе АЭС считается недопустимым. МАГАТЭ даже настаивает на становлении нового предмета, который бы объединил этические проблемы на стыке искусственного интеллекта и ядерных технологий, поскольку современных знаний недостаточно для четкого определения границ использования машинного обучения в столь сложной и потенциально опасной сфере.

Область контроля

Хотя генеративный ИИ может помочь в решении сложных задач, его использование в работе атомных электростанций (АЭС) пока невозможно из-за новизны и непрозрачности. Большинство приложений ИИ для расширения возможностей ядерной промышленности остаются на экспериментальной стадии и не могут быть реализованы в реальных сценариях из-за некоторых неизбежных проблем, связанных с надежностью алгоритмов. Наиболее активно сейчас изучаются возможности так называемых генетических и эволюционных алгоритмов в работе ядерных реакторов, управлении топливом, схеме загрузки топлива, проектировании ядерной сборки. Список научной литературы полнится работами по применению муравьиного алгоритма, алгоритма пчелиной колонии, нейронной сети Хопфилда, обучением с подкреплением и другими примерами. Однако основные выводы ученых ограничиваются непосредственно разработкой аналитических систем на базе перечисленных алгоритмов.

Более применимой, по мнению Джереми Реншоу, эксперта по технологическим инновациям в Институте исследований в области электроэнергетики, является объяснимый генеративный ИИ. Это новая технология, которая, по прогнозам, будет работать с потенциально чувствительными областями – медициной, финансами, судопроизводством, ядерной сферой. Ее главные преимущества в умении объяснять свои решения, в предоставлении людям доступа не только к процессам, лежащим в ее основе, но и к их корректировке.

Современное программное обеспечение, основанное на ИИ, способно эффективно выявлять аномалии, просматривая обширные данные датчиков. Нейросети могут давать быстрые и точные результаты, при этом требуя меньше человеческого участия, без которого тем не менее ядерная индустрия обойтись не сможет. Машинное обучение, как сказано в ряде научных исследований в том числе проведенных на базе МАГАТЭ, уже применяется для поиска трещин в металлических резервуарах и трубах на АЭС. Однако финальное решение в этой области всегда должно оставаться за человеком, во всяком случае до тех пор, пока новейшие разработки не будут порождать уйму вопросов с неоднозначными ответами. Однако справедливо и обратное: забирая часть рутинной работы, ИИ мог бы высвободить внимание человека для более важных задач и повышения общей эффективности установки, оптимизации расхода топлива и максимизации выработки.

Поскольку в вопросах применения ИИ в ядерном секторе есть объективные плюсы, но и очевидные минусы, ученые приходят к выводу, что для регулирования его внедрения нужен совершенно новый подход. Ядерная энергетика сама по себе является наиболее противоречивой отраслью. Авария на реакторе Фукусима-1 в Японии в 2011 году показала, что ЧП такого рода - многофакторный механизм, в котором погодные условия (землетрясения и цунами) наложились на отключение электроснабжения, проектные недоработки и человеческий фактор. В такой ситуации ИИ, прогнозирующий последствия подземных толчков, мог бы предупредить операторов о последующем отключении света. Или же заблаговременно проанализировать проект и построить гипотезы относительно его надежности в условиях чрезвычайного происшествия. С другой стороны, имеют ли право операторы доверять таким данным, являются ли они безошибочными и должны ли быть основанием для решительных действий - вопросы, требующие жесткого регламента.

Реальный сектор

Несмотря на потенциальные преимущества, применение искусственного интеллекта в ядерных технологиях по-прежнему сопряжено с определенными нормативными и техническими проблемами, которые необходимо решить. Прежде чем какая-либо новая технология может быть использована на АЭС, регулирующие органы должны досконально изучить и понять ее, чтобы разработать руководящие принципы и выдать лицензии и разрешения на их использование. Кроме того, эти системы должны быть прозрачными, объяснимыми и поддающимися сертификации, чтобы завоевать доверие операторов и регулирующих органов.

МАГАТЭ принимает непосредственное участие в решении этих проблем. С 2021 года организация продвигает использование ИИ на атомных электростанциях, готовит отчеты, создает рабочие группы. Очевидно, для успешной интеграции ИИ в ядерную отрасль решающее значение имеют совместные усилия представителей отрасли, регулирующих органов и технологических экспертов. В настоящее время рассматривается вопрос о создании центров сотрудничества МАГАТЭ, специализирующихся на искусственном интеллекте.

Понятно, что на современном этапе никто из действующих производителей атомных станций не готов отдать на откуп ИИ сложные процессы обслуживания станции. Тем не менее, по словам Екатерины Солнцевой, директора по цифровизации «Росатома», искусственный интеллект мог бы сократить время проектирования АЭС с пяти лет до нескольких месяцев. Именно в этой области ИИ будет максимально уместен, но этого не произойдет еще ближайшие лет 6. Проблема также упирается в вычислительные мощности: для решения такой сложной задачи как строительство АЭС будет необходим квантовый компьютер. В 2020 году «Росатом» и Российский квантовый центр (РКЦ) объявили о создании первой в России лаборатории по исследованию и разработке методов машинного обучения и искусственного интеллекта (ИИ) на квантовых компьютерах. По последним данным, команда успешно разработала квантовый компьютер на 20 кубитов и планирует увеличить их количество до «50–100».

Аналогичную деятельность ведет французский концерн EDF, который в начале 2020 года вместе с Thales и TotalEnergies открыли SINCLAIR – совместную промышленную лабораторию искусственного интеллекта в Сакле. Исследователи концентрируют свои наработки вокруг трех критериев: объяснимость ИИ, обучаемость и симуляция. Однако громких открытий на данный момент от команды из примерно 25 исследователей за 4 года не произошло.

CNNC – Китайская национальная ядерная корпорация, судя по последним данным, больше сосредоточена на реализации программы «Атомы для лучшего дома». Эта концепция подразумевает гармоничные инновационные решения на пользу человечеству. Так, на протяжении многих лет китайские атомщики активно работают в сфере ядерной медицины и облучения, предлагая комплексные услуги, включая производство изотопов, лекарств, услуги ядерной медицины, производство оборудования, облучение и вывод из эксплуатации источников радиации. Любая информация о деятельности в области ИИ на официальном сайте CNNC на данный момент заблокирована. При этом общепризнанно, что ядерная сфера Китая является одной из наиболее инновационных. Пекин на 10-15 лет обгоняет США в способности строить и эксплуатировать реакторы четвертого поколения.

Корейская Korea Hydro & Nuclear Power в апреле этого года объявила о разработке цифровых двойников, чтобы отслеживать и удалённо контролировать работу блоков на пяти атомных электростанциях по всей стране. По последним данным, работа ведется над цифровым двойником KHNP, содержащим подробные системные чертежи энергоблоков 1 и 2 атомной электростанции «Саэул» в Ульсане. Предварительно разработка будет завершена в 2026 году, и технология будет впервые применена на энергоблоках 3 и 4 атомной электростанции «Син Кори» в Ульсане. В случае успеха это станет прорывом в области безопасности ядерных объектов и может вывести KHNP в лидеры международных продаж АЭС.

Тем не менее массовое внедрение подобных систем должно сопровождаться регламентирующими документами как со стороны МАГАТЭ, так и со стороны государства, на территории которого новая технология будет работать. Кроме того, использование таких систем должно сопровождаться подготовкой специалистов, способных оперировать цифровыми двойниками или же другими разработками на базе ИИ. Так или иначе игроки рынка сходятся во мнении, что чего-то действительно внушительного в этой области не стоит ждать вплоть до 2030 года, но уже следующие 10 лет, когда будет накоплена достаточная научная база, имеют все шансы стать прорывными.