ИИ в ядерной химии: от долгих опытов к мгновенным прогнозам

Искусственный интеллект, известный своей способностью генерировать изображения и тексты, находит новое применение в одной из самых передовых областей энергетики – ядерной химии солевых расплавов. Технологии на основе расплавленных солей являются ключом к созданию более безопасных и эффективных ядерных реакторов, и теперь ИИ позволяет предсказывать результаты сложнейших экспериментов еще до их начала, кардинально меняя подходы к исследованиям.

Разработка новых составов солевых расплавов – процесс чрезвычайно трудоемкий и дорогостоящий. Каждый эксперимент требует уникального оборудования, глубоких знаний и значительных временных затрат. Проверка сотен или тысяч различных композиций солей традиционными методами занимает годы и требует колоссальных инвестиций, что серьезно замедляет прогресс в отрасли.

Именно здесь на помощь приходят нейросети. Обучаясь на данных прошлых экспериментов, модели искусственного интеллекта способны с высокой точностью прогнозировать электрохимические реакции для самых разных конфигураций. После обучения и проверки такая модель генерирует результат не за дни, а за считаные секунды. Это дает исследователям мощный инструмент для предварительной оценки тысяч вариантов, позволяя выбирать для реальных испытаний только самые перспективные из них и принимать более взвешенные решения.

В Университете Содружества Виргинии (VCU) команда ученых активно внедряет этот подход. Одной из главных проблем в этой узкоспециализированной области стала нехватка качественных данных для обучения нейросетей. Исследователи сфокусировались на изучении того, насколько эффективно модели могут обучаться и делать выводы на основе ограниченной информации. Результаты оказались впечатляющими: нейросети успешно справлялись с задачей даже при работе с неполными наборами данных.

Первоначальные тесты показали превосходные результаты в прогнозировании циклических вольтамперограмм и потенциалов разомкнутой цепи – ключевых электрохимических показателей. Например, модели смогли точно смоделировать поведение урана в расплаве солей LiCl-KCl при разных концентрациях. Это доказывает, что ИИ может стать надежным помощником в лабораторной практике.

Несмотря на значительный прогресс, работа еще далека от завершения. Хотя ИИ отлично справляется с прогнозированием одних процессов, другие, более сложные, такие как спектроскопия электрохимического импеданса, пока остаются вызовом. Для их точного моделирования требуются еще более совершенные алгоритмы и обширные массивы данных.

В будущем ученые планируют расширить возможности предиктивного моделирования на многокомпонентные солевые системы, что позволит глубже понять сложные взаимодействия внутри них и извлекать ключевые параметры, например термодинамические свойства. Конечная цель этой работы – радикально ускорить фундаментальные исследования и разработку технологий на основе расплавленных солей, приближая эру новой, более совершенной ядерной энергетики.