Dominio computacional y condiciones de contorno. Crédito: degradación de materiales NPJ (2025). Doi: 10.1038/s41529-025-00557-y
Ya sea para su vehículo o su hogar, desde usos a pequeña escala hasta el más grande, continúa el debate sobre los combustibles más eficientes y rentables. Actualmente, tampoco hay escasez de opciones. La energía nuclear proporciona una alternativa a las opciones de energía más convencionales, pero requiere rigurosos procedimientos de monitoreo y seguridad de sistemas. El aprendizaje automático podría facilitar la atención de los elementos clave de los sistemas nucleares y el tiempo de respuesta a los problemas más rápido.
Syed Bahauddin Alam, profesor asistente en el Departamento de Ingeniería Nuclear, Plasma e Radiológica (NPRE) en la Facultad de Ingeniería de Grainger de la Universidad de Illinois Urbana-Champaign, y su equipo trabajó con la inteligencia artificial y los expertos de aprendizaje automático a través de Illinois para desarrollar un método novedoso para el monitoreo de tiempo real de los sistemas de energía nuclear que puede inferir a los sistemas de energía nuclear. (CFD) Simulaciones. Los asistentes de investigación de la NCSA y los estudiantes graduados de NPRE Kazuma Kobayashi y Farid Ahmed ayudaron en el desarrollo.
Publicado en la degradación de materiales de NPJ, la investigación de Alam presenta sensores virtuales impulsados por el aprendizaje automático basados en modelos de operadores de aprendizaje profundo como un complemento de los sensores físicos en el monitoreo de los indicadores de degradación crítica.
Los sensores físicos tradicionales enfrentan limitaciones, particularmente en la medición de parámetros críticos en entornos difíciles de alcanzar o duros, que a menudo resultan en una cobertura de datos incompleta. Además, los métodos de modelado numérico basados en la física tradicional, como CFD, aún son demasiado lentos para proporcionar predicciones en tiempo real en las instalaciones de energía nuclear.
Esquema de la arquitectura Deeponet basada en FNN utilizada en este estudio. Crédito: degradación de materiales NPJ (2025). Doi: 10.1038/s41529-025-00557-y
En cambio, las nuevas redes neuronales del operador profundo (Deeponet), cuando se capacitan adecuadamente en las unidades de procesamiento de gráficos (GPU), pueden predecir instantáneamente y con precisión las soluciones multifísicas completas en todo el dominio. Deeponet funciona como sensores virtuales en tiempo real y aborda estas limitaciones de los sensores físicos o las predicciones de modelado clásico, específicamente mediante la predicción de parámetros clave-hidráulicos térmicos en la pierna caliente de un reactor de agua presurizado.
Debido a que los componentes se someten continuamente a temperaturas extremas, presiones y radiación, el monitoreo y la inspección adecuados de los elementos en servicio de los reactores nucleares es esencial para la seguridad y la eficiencia a largo plazo. La IA no está reemplazando la supervisión humana, pero crea nuevas formas de monitorear y predecir la posible falla de los elementos del sistema.
“Nuestra investigación introduce una nueva forma de mantener seguros los sistemas nucleares mediante el uso de técnicas avanzadas de aprendizaje automático para monitorear las condiciones críticas en tiempo real”, dijo Alam. “Tradicionalmente, ha sido increíblemente desafiante medir ciertos parámetros dentro de los reactores nucleares porque a menudo se encuentran en entornos difíciles de alcanzar o extremadamente duros. Nuestro enfoque aprovecha los sensores virtuales alimentados por algoritmos para predecir condiciones de flujo térmicas y de flujo cruciales sin necesidad de sensores físicos en todas partes.
“Piense en ello como tener un mapa virtual de cómo está funcionando el reactor, dándonos comentarios constantes sin tener que colocar instrumentos físicos en puntos de riesgo. Esto no solo acelera el proceso de monitoreo, sino que también lo hace significativamente más preciso y confiable. Al hacerlo, podemos detectar posibles problemas antes de que se vuelvan graves, mejorando la seguridad y la eficiencia”.
A través del programa Illinois COMPUTS, ALAM utilizó asignaciones en el delta del NCSA, realizando cálculos para la generación de datos en nodos de la unidad de procesamiento central (CPU), y para las tareas de capacitación y evaluación en un nodo computacional con GPU NVIDIA A100. Colaboró con los expertos de NCSA en computación científica impulsada por la IA y computación de alto rendimiento.
Generación de cuadrícula sobre el dominio. Crédito: degradación de materiales NPJ (2025). Doi: 10.1038/s41529-025-00557-y
“Asociarse con el Dr. Diab Abueidda y el Dr. Seid Koric de NCSA fue esencial para nuestro éxito. A través del programa, aprovechamos los recursos de supercomputación de vanguardia de Delta, incluido un nodo computacional con GPU A100 NVIDIA, para capacitar y probar nuestros modelos de manera eficiente.
“El personal técnico de la NCSA brindó un apoyo invaluable durante todo el proceso, lo que demuestra el tremendo impacto de combinar la IA con la informática de alto rendimiento para avanzar en la seguridad nuclear. Continuaremos trabajando en desatar la potencia de la IA en sistemas de energía complejos, empujando los límites de lo que es posible para mejorar la seguridad, la eficiencia y la confiabilidad”, dijo Alam.
“En este proyecto de Illinois Coptes, hemos utilizado completamente los recursos informáticos únicos de alto rendimiento y la experiencia multidisciplinaria en NCSA y el Grainger College of Engineering para avanzar en la investigación de ingeniería traslacional y transformadora en Illinois”, dijo SEID Koric, Director Técnico Senior Asociado para la Consultoría de Investigación en NCSA y profesor de investigación en el Departamento de Ciencias Mecánicas e Ingeniería.
“Esta colaboración ejemplifica la sinergia que surge cuando los métodos avanzados de IA, los recursos informáticos de alto rendimiento y la experiencia en el dominio convergen”, dijo Abueidda, científica de investigación de NCSA.
“Trabajando junto con el equipo del Dr. Alam y los expertos en AI y HPC de NCSA, aprovechamos las capacidades de vanguardia de Delta para impulsar los límites del monitoreo en tiempo real y el análisis predictivo en los sistemas nucleares. Al unir nuestros conjuntos de habilidades especializadas, hemos acelerado las investigaciones al tiempo que mejoramos la precisión y la confiabilidad de las medidas de seguridad críticas.
“Esperamos continuar este enfoque interdisciplinario para impulsar soluciones transformadoras para sistemas de energía complejos. En última instancia, estos avances destacan la promesa de la ciencia computacional para abordar los desafíos apremiantes de la energía nuclear”.
Más información: Raisa Hossain et al, Marco gemelo digital habilitado para la detección virtual para el monitoreo en tiempo real de sistemas nucleares que aprovechan a los operadores neuronales profundos, la degradación de los materiales de NPJ (2025). Doi: 10.1038/s41529-025-00557-y
Proporcionado por la Universidad de Illinois en Urbana-Champaign
Cita: Uso de IA para monitorear ubicaciones inaccesibles de sistemas de energía nuclear (2025, 14 de abril) recuperado el 14 de abril de 2025 de https://techxplore.com/news/2025-04-ai-inaccessible-nuclear-energy.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
