Tehnologija razvijena u Argonneu može pomoći da se suzi polje kandidata za rastopljene soli, pokazuje nova studija.
Naučnici su u potrazi za novim materijalima za unapređenje sledeće generacije nuklearnih elektrana. U nedavnoj studiji, istraživači iz Nacionalne laboratorije Argonne Ministarstva energetike SAD (DOE) pokazali su kako veštačka inteligencija može pomoći u određivanju pravih vrsta rastopljenih soli, ključne komponente za napredne nuklearne reaktore.
Sposobnost apsorbovanja i skladištenja toplote čini rastopljenu so važnom za čistu energiju i nacionalne klimatske ciljeve. Rastopljene soli mogu poslužiti i kao rashladno sredstvo i kao gorivo u nuklearnim reaktorima koji proizvode električnu energiju bez emisije gasova staklene bašte. Oni takođe mogu da skladište velike količine energije, koja je sve potrebnija na električnoj mreži sa fluktuirajućim izvorima kao što su vetar i solarna energija.
Ako zagrejete so na kuhinjskom stolu na 801 C (1474 F), ona bi se istopila i imali biste rastopljenu so. Međutim, za pravljenje i skladištenje energije nije dovoljna bilo koja so. Naučnici istražuju različite kombinacije soli kako bi dobili tačna svojstva potrebna za efikasno hlađenje i gorivo nuklearnog reaktora decenijama. Ova svojstva uključuju niže temperature topljenja, pravu konzistenciju i sposobnost da apsorbuju velike količine toplote, između ostalog.
Koji nacrti rastopljene soli će dati željene osobine za nuklearni reaktor? Potencijalne varijacije su skoro beskrajne. Studija je imala za cilj da utvrdi da li kompjuterske simulacije vođene mašinskim učenjem mogu voditi i precizirati eksperimente u stvarnom svetu u Advanced Photon Source (APS), korisničkom objektu DOE Office of Science u Argonneu. Rezultati su nedavno objavljeni u časopisu Phisical Reviev B.
„Koristili smo eksperimentalne rezultate iz APS-a da potvrdimo našu simulaciju. Istovremeno, rezultati simulacije su nam pružili više detalja o tome koje soli treba dalje proučavati. One rade jedna sa drugom“, rekao je Jicheng Guo, hemijski inženjer u Argonne i glavni autor rada. „Ovo nam omogućava da proučavamo više kompozicija istovremeno.“
Istraživači koriste moćne rendgenske zrake u APS-u da bolje razumeju specifične mešavine soli tako što će pažljivo posmatrati njihove strukture. Ali vreme i troškovi povezani sa eksperimentima u stvarnom svetu čine poželjnim da se suzi polje kandidata koji se podvrgavaju inspekciji.
„Mogući prostor za sastav rastopljenih soli je ogroman“, rekao je Nejtan Hojt, istraživač iz Argona i koautor rada. „Dakle, bilo bi nemoguće pokušati uzeti eksperimentalne podatke za svaki mogući sastav.“
Na 6-ID-D snopu objekta, tehnika koja se zove visokoenergetska difrakcija rendgenskih zraka snima obrasce koji se generišu dok se snopovi rendgenskih zraka rasipaju po uzorku rastopljene soli.
„APS je jedinstven za ove vrste merenja“, rekao je Kris Benmor, viši fizičar u APS-u i koautor rada. „Rendgenski zraci visoke energije koje generiše su veoma dobri za posmatranje strukture rastopljenih tečnosti, stakla i amorfnih materijala uopšte.
Mašinsko učenje podrazumeva obuku računara da analizira situaciju na osnovu postojećih podataka. Ali u ovom slučaju, istraživači nisu imali obilje potvrđenih primera da pokažu model. Nadovezujući se na prethodno modeliranje koje je istraživalo materijale otporne na toplotu, istraživači su koristili ono što je poznato kao aktivno učenje da kreiraju prenosivi model za analizu rastopljenih soli.
Umesto da bude prilagođen za jednu ili dve specifične kompozicije mešavine rastopljene soli, prenosivi model se može primeniti na smeše širom prostora kompozicije. Model pravi predviđanja na osnovu principa; drugim rečima, a ne na skupu unapred definisanih odgovora. Simulacije mašinskog učenja su vođene korišćenjem računarskih resursa visokih performansi u Argonne Leadership Computing Faciliti (ALCF), korisničkom objektu DOE Office of Science, i korišćenjem Bebop klastera u Argonneovom laboratorijskom računarskom resursnom centru.
„Nismo obučavali model sa primerima te kompozicije slatke tačke, gde dobijate pravu tačku topljenja“, rekao je Ganeš Sivaraman, naučnik iz Argona i odgovarajući autor rada. „Naš model je uspeo da predvidi tu slatku tačku, čak i bez odgovarajućeg inputa za obuku.“
Sada kada su istraživači pokazali da ovaj pristup može da funkcioniše, sledeći korak je rad sa još složenijim podacima.
„Reaktor sa rastopljenom soli je prilično dinamično okruženje. Uslovi se vremenom menjaju, a ponekad nečistoće mogu ući u so“, rekao je Guo. „Želimo da uvedemo malu količinu ovih nečistoća da vidimo da li model može da predvidi kako to utiče na ukupnu strukturu rastopljenih soli i njihova svojstva.“
