Ιnjoy Gr

fShare

Tweet

Οι ερευνητές κατασκεύασαν βάση δεδομένων μοντέλων AI για να βρουν νέα κράματα για εγκαταστάσεις πυρηνικής ενέργειας

Αυτή η εικόνα δείχνει πώς οι ατομικές διαμορφώσεις με ισοατομική συγκέντρωση νιοβίου (Nb), τανταλίου (Ta) και βαναδίου (V) μπορούν να διαταραχθούν. Το μοντέλο AI βοηθά τους ερευνητές να εντοπίσουν πιθανές ατομικές διαμορφώσεις που μπορούν να χρησιμοποιηθούν ως θωράκιση για τη στέγαση εξαρτημάτων εφαρμογών σύντηξης σε έναν πυρηνικό αντιδραστήρα. Πίστωση: Massimiliano Lupo Pasini / ORNL, Υπουργείο Ενέργειας των ΗΠΑ

Μια μελέτη με επικεφαλής το Εθνικό Εργαστήριο Oak Ridge του Υπουργείου Ενέργειας περιγράφει πώς οι ερευνητές τεχνητής νοημοσύνης δημιούργησαν ένα μοντέλο τεχνητής νοημοσύνης για να βοηθήσουν στον εντοπισμό νέων κραμάτων που χρησιμοποιούνται ως θωράκιση για τη στέγαση εξαρτημάτων εφαρμογών σύντηξης σε έναν αντιδραστήρα πυρηνικής σύντηξης. Τα ευρήματα σηματοδοτούν ένα σημαντικό βήμα προς τη βελτίωση των εγκαταστάσεων πυρηνικής σύντηξης.

Αυτό το έργο ξεκίνησε πριν από αρκετά χρόνια υπό τον πρώην διευθυντή της πρωτοβουλίας AI, David Womble. Ο επιστήμονας δεδομένων ORNL AI Massimiliano Lupo Pasini υποστήριξε ότι θα συνεχιστεί κάτω από την περιοχή ώθησης Τεχνητής Νοημοσύνης για Επιστημονική Ανακάλυψη ή AISD της πρωτοβουλίας. Τα αποτελέσματα αυτής της μελέτης δημοσιεύονται στο περιοδικό Scientific Data .

«Αυτά τα κράματα χρειάζονται για την επίτευξη εξαιρετικής απόδοσης σε πολύ υψηλές θερμοκρασίες, όσον αφορά τόσο την αντοχή σε υψηλές θερμοκρασίες όσο και τις δομικές μηχανικές ιδιότητες που απαιτούνται για τη χρήση τους σε σύνθετους πυρηνικούς σταθμούς», δήλωσε ο Lupo Pasini.

Παραδοσιακά, αυτά τα υλικά κατασκευάζονταν χρησιμοποιώντας βολφράμιο ως κύριο στοιχείο, με πρόσθετα στοιχεία που εγχύονταν ως συμπλήρωμα. Αυτή η σύνθεση κράματος αποδείχθηκε ανθεκτική στις υψηλές θερμοκρασίες , αλλά ήταν ασυνεπής στη διατήρηση της κατάλληλης θωράκισης.

"Πρόσφατα, η κοινότητα της επιστήμης των υλικών διερεύνησε την ευκαιρία να αντικαταστήσει αυτά τα τυπικά τεχνολογικά υλικά με κάτι εντελώς νέο και ενοχλητικό", δήλωσε ο Lupo Pasini.

Ο εντοπισμός πιθανών μεταλλικών συνδυασμών, ωστόσο, είναι μια μεγάλη πρόκληση λαμβάνοντας υπόψη τον τεράστιο αριθμό δυνατοτήτων. Καθοδηγούμενοι από την τεχνητή νοημοσύνη, οι ερευνητές μπορούν να παρακάμψουν τη φαινομενικά ατελείωτη περίοδο δοκιμών και σφαλμάτων για να βρουν πιο αποτελεσματικά βιώσιμα υποψήφια κράματα.

Ο Lupo Pasini συνεργάστηκε με τους Γερμανούς Samolyuk, Jong Youl Choi, Markus Eisenbach, Junqi Yin και Ying Yang και δημιούργησε τα δεδομένα για να δημιουργήσει ένα μοντέλο τεχνητής νοημοσύνης που προσδιόριζε τρία στοιχεία για να δοκιμάσει ως πιθανά νέα υποψήφια κράματα. Ο Choi, ο Eisenbach και ο Yin εργάζονται στη Διεύθυνση Υπολογιστικών και Υπολογιστικών Επιστημών στο ORNL, ενώ ο Samolyuk και ο Yang εργάζονται στη Διεύθυνση Φυσικών Επιστημών.

Ωστόσο, αυτή η βάση δεδομένων που δημιουργείται από AI είναι μόνο το πρώτο μισό του έργου. Τα δεδομένα που δημιουργούνται θα χρησιμοποιηθούν από τους συγγραφείς για περαιτέρω έρευνα αφιερωμένη στην ανάπτυξη, την εκπαίδευση και την ανάπτυξη μοντέλων ML για την ανακάλυψη και το σχεδιασμό υλικών .

"Για να υποστηρίξουμε τον σχεδιασμό νέων πυρίμαχων κραμάτων υψηλής εντροπίας, πρέπει να καλύψουμε έξι στοιχεία", δήλωσε ο Lupo Pasini. «Και επίσης, δεδομένου ότι οι υπολογισμοί της κβαντομηχανικής είναι πολύ ακριβοί για να τρέξουν σε υπάρχοντες υπερυπολογιστές, τα δεδομένα από μόνα τους δεν θα είναι αρκετά».

Οι ακριβοί κβαντικοί υπολογισμοί δεν ήταν η μόνη πρόκληση που έπρεπε να ξεπεραστεί, καθώς η ομάδα δημιούργησε τα θεμέλια για το μοντέλο τεχνητής νοημοσύνης της, είπε ο Lupo Pasini.

«Χρειάστηκαν πολλές ώρες τόσο στους υπερυπολογιστές Perlmutter όσο και στους υπερυπολογιστές Summit για να δημιουργηθούν τα δεδομένα που μόλις δημοσιεύσαμε μέχρι την ολοκλήρωση», είπε. «Η δημιουργία δεδομένων διήρκεσε περισσότερο από ένα χρόνο».

Ο υπερυπολογιστής Perlmutter βρίσκεται στο Lawrence Berkeley National Laboratory, ενώ το Summit, μέρος του Oak Ridge Leadership Computing Facility, στεγάζεται στο ORNL. Και τα δύο συστήματα υπολογιστών είναι εγκαταστάσεις χρήστη του DOE Office of Science.

Το επόμενο βήμα της ομάδας είναι να λάβει αυτά τα δεδομένα που δημιουργούνται και να τα χρησιμοποιήσει για να εκπαιδεύσει το μοντέλο τεχνητής νοημοσύνης που θα επιταχύνει το ευρύ φάσμα των ενώσεων που προέρχονται από την ανάμειξη των έξι στοιχείων σε διαφορετικές συγκεντρώσεις ως κράματα.

"Προσπαθούμε να βοηθήσουμε τους επιστήμονες υλικού με τις προσεγγίσεις δοκιμής και λάθους στον εντοπισμό του σχετικού ποσοστού των διαφορετικών στοιχείων που πρέπει να αναμειχθούν μεταξύ τους προκειμένου να βρουν κράματα που μπορούν να οδηγήσουν σε ανατρεπτικές τεχνολογικές προόδους στη σύντηξη." πρόσθεσε ο Λούπο Πασίνι.

Περισσότερες πληροφορίες: Massimiliano Lupo Pasini et al, Δεδομένα πρώτων αρχών για κράματα στερεού διαλύματος νιοβίου-τανταλίου-βαναδίου με κυβικές δομές στο κέντρο του σώματος, Scientific Data (2024). DOI: 10.1038/s41597-024-03720-3

Πληροφορίες περιοδικού: Επιστημονικά δεδομένα

Παρέχεται από το Εθνικό Εργαστήριο Oak Ridge

fShare

Tweet