神经网络助力核电站安全分析

俄罗斯国家研究中心库尔恰托夫研究所的科学家开发了一种神经网络，用于分析热物理参数以模拟核电站的严重事故。

核电站的安全分析需要为不同运行模式建立反应堆堆芯的数学模型。最困难的任务是模拟严重设计事故。在这种情况下，堆芯会被破坏或熔化，冷却剂密度会重新分布。在这些条件下，必须准确计算引发铀核裂变链式反应的中子倍增因子将如何变化。

核安全分析必须以最少的假设考虑实际的物理过程。为此，需要使用经过认证的中子物理程序，这些程序能够基于尽可能全面描述系统状态的数据，正确模拟中子的空间能量分布。然而，模型越精确，所需的计算资源越多。这使得在没有现代技术的情况下，分析严重事故的任务几乎无法解决。

库尔恰托夫研究所开发了一种使用人工神经网络（ANN）的技术，该技术可以在严重事故的各个阶段利用人工智能元素进行现实的核安全分析，其中系统可能的状态数量达到数万种。该神经网络的特点是能够积累“经验”并外推以识别之前可能被遗漏的核危险条件。这使得更准确地预测核危险情况的参数并采取措施管理非设计事故成为可能。使用人工神经网络显著减少了计算时间。

库尔恰托夫研究所核能设施核安全分析部门的研究员Alexander Glazkov表示：“非设计事故的核安全分析基于基本状态的方法论。其本质是找到系统几何结构保持不变但热物理参数在既定范围内变化的基本状态。我们开发的模型适用于燃料组件尚未破坏的基本状态。”

他补充说：“同时，我们发现创建和训练一个适用于所有基本状态的通用‘大型’人工神经网络模型需要大量资源。因此，决定为相应的基本状态开发单独的模型。作为这项工作的延续，已针对反应堆堆芯破坏不同阶段的其他基本状态测试和调试了人工神经网络模型。”