การออกแบบวัสดุที่สามารถต้านทานพลังงานนิวเคลียร์ได้นั้นเป็นจุดที่สำคัญในการรักษาความสมบูรณ์ของเครื่องปฏิกรณ์นิวเคลียร์ อย่างไรก็ดี การดำเนินการตรวจสอบวัสดุโดยวิธี manual นั้นต้องใช้เวลาอย่างมหาศาล มีแนวโน้มที่จะเกิดความผิดพลาด ไม่แน่ไม่นอน และไม่สามารถ scale งานได้ดี เพื่อแก้ไขปัญหาดังกล่าวนี้ นักวิจัยจากมหาวิทยาลัยวิสคอนซิน เมดิสัน (University of Wisconsin-Madison) และห้องปฏิบัติการ Oak Ridge National Laboratory ในรัฐเทนเนสซีได้ร่วมกันสร้างระบบ deep learning ที่สามารถตรวจจับและวิเคราะห์ความเสียหายจากการแผ่รังสี ด้วยความแม่นยำมากและใช้เวลาเพียงแค่เศษเสี้ยวเท่านั้น
“ความเสียหายจากการแผ่รังสีในวัสดุสำหรับงานด้านนิวเคลียร์นั้นมีผลอย่างยิ่งกับความทนทานของเครื่องปฏิกรณ์นิวเคลียร์ที่มีอยู่และการออกแบบต่อยอดเครื่องปฏิกรณ์ในระดับที่สูงขึ้น การเข้าใจถึงผลกระทบของการฉายรังสีบนคุณสมบัติวัสดุและประสิทธิภาพของมันนั้นเป็นส่วนที่สำคัญสำหรับความปลอดภัยและการปฏิบัติงานของเครื่องปฏิกรณ์นิวเคลียร์ที่น่าเชื่อถือ” นักวิจัยกล่าวไว้ในงานตีพิมพ์
โดยทีมงานได้เทรนระบบโครงข่าย Convolutional Neural Network บนเฟรมเวิร์ก MATLAB เพื่อทำเป็น Cascade Object Detector บนภาพถึง 60,000 ภาพ โดยโครงข่ายประสาทเทียมสามารถระบุและคัดแยกข้อผิดพลาดของวัสดุได้ถึง 86% ซึ่งหากเทียบกับความสามารถมนุษย์นั้นสามารถค้นพบได้เพียง 80% เท่านั้น
“การเรียนรู้ของเครื่องนั้นมีศักยภาพอย่างมหาศาลในการแปลงแนวทางปัจจุบันที่ใช้แรงงานมนุษย์ในการวิเคราะห์ภาพในระดับที่เล็กมากๆ ได้” คุณ Wei Li หัวหน้าทีมวิจัยผู้ได้รับปริญญาโทในด้าน Materials Science and Engineering ปีนี้จากมหาวิทยาลัยวิสคอนซิน เมดิสัน และปัจจุบันเป็น Software Engineer ที่ Google
Source : https://news.developer.nvidia.com/using-ai-to-detect-damage-in-nuclear-reactors/
