人工智能重塑核材料研究

可以在不产生有害排放物的情况下发电的核能的未来取决于新材料的发现。阿贡大学的一位科学家正在使用计算机视觉从拥挤的领域中分离出最佳候选人。

如果一张图片可以讲述一千个单词，想象一下可以从一个视频中收集到的逐帧故事。包含每秒200帧的五分钟视频可以生成60,000张图像——视觉上的“白鲸记”。消化和编目听起来很乏味?是的，这就解释了为什么科学家们通常不会如此详细地分析他们的实验视频。

能源部(DOE)阿贡国家实验室核材料组的首席材料科学家Wei-YingChen正在试验人工智能(AI)的进步以改变这种状况。他使用基于深度学习的多目标跟踪(MOT)算法从视频中提取数据，最近发表在《科学报告》上的一项研究对此进行了详细说明，旨在帮助美国改进先进的核反应堆设计。反过来，现代化的核能将更好地生产安全、可靠的电力，而不会释放有害的温室气体。

目前，与任何其他清洁能源相比，核能在更少的土地上产生更多的电力。许多提供美国总电力近20%的商业核反应堆使用的是较旧的材料和技术。科学家和工程师认为，更新的材料和先进的设计可以大大提高核电站产生的清洁电力的百分比。

“我们要建造能够在更高温度下运行的先进反应堆，因此我们需要发现能够耐受更高温度和更高辐照剂量的材料，”陈说。“借助计算机视觉工具，我们有望从所有视频帧中获取所需的所有数据。”

Chen在阿贡的中压电子显微镜(IVEM)设施协助用户并进行实验，该设施是美国能源部核科学用户设施(NSUF)的国家用户设施和合作伙伴设施。IVEM——一部分是透射电子显微镜，一部分是离子束加速器——是世界上大约十二种仪器之一，它可以让研究人员在变化发生时(原位)观察由离子辐射引起的材料变化。这意味着像陈这样的科学家可以研究不同能量对拟用于未来核反应堆的材料的影响。

了解材料在极端条件下的原因、地点和时间在其生命周期内发生分解并出现缺陷对于判断材料是否适用于核反应堆至关重要。极其微小的缺陷是材料腐蚀、变脆或失效的最初迹象。在实验过程中，缺陷会在皮秒或万亿分之一秒内发生。在高温下，这些缺陷会在几十毫秒内出现和消失。Chen是IVEM实验的专家，他说即使是他也很难绘制和解释如此快速移动的数据。

实验过程中缺陷的转瞬即逝的特性解释了为什么科学家传统上只捕获重要测量线上的少量数据点。

Chen在过去两年中一直在开发计算机视觉，以跟踪IVEM记录的实验中的材料变化。在一个项目中，他以每秒100帧的速度检查了一到两分钟长的视频。另一方面，他在一到两个小时的视频中每秒提取一帧。

与可以识别和跟踪监控录像中的人的面部识别软件类似，IVEM的计算机视觉可以挑出材料缺陷和结构空隙。Chen没有建立人脸库，而是建立了一个庞大、可靠的关于耐温性、辐照弹性、微结构缺陷和材料寿命的信息集合。可以绘制此信息以告知更好的模型并计划更好的实验。

Chen强调，节省时间——计算机支持工作的一个经常被提及的好处——并不是在IVEM使用人工智能和计算机视觉的唯一好处。凭借更好的理解和指导正在进行的实验的能力，IVEM用户可以进行现场调整，以更有效地利用他们在IVEM的时间并获取重要信息。

“视频看起来非常好，我们可以从中学到很多东西，但它们经常在会议上播放一次，然后就不再使用了，”陈说。“通过计算机视觉，我们实际上可以更多地了解观察到的现象，我们可以将现象视频转换为更有用的数据。”

DefectTrack证明自己准确可靠

在《科学报告》上发表的研究中，来自康涅狄格大学(UConn)的Chen和合著者介绍了DefectTrack，这是一种能够在材料受到辐照时实时提取复杂缺陷数据的MOT。

在这项研究中，DefectTrack在短短一分钟内跟踪了多达4,378个不同的缺陷簇，其生命周期从19.4到64毫秒不等。这些发现明显优于人类同行的相同工作。

“我们的统计评估表明，DefectTrack在分析缺陷寿命分布方面比人类专家更准确、更快，”康涅狄格大学合著者兼博士说。候选人RajatSainju。

计算机视觉具有多重优势;其中包括提高速度和准确性。

“我们迫切需要加快对核材料退化的理解，”领导该大学共同作者团队的康涅狄格大学材料科学与工程师助理教授朱元元说。“专用的计算机视觉模型有可能彻底改变分析并帮助我们更好地了解核辐射效应的性质。”

Chen乐观地认为，诸如DefectTrack之类的计算机视觉将改进核反应堆设计。

“从实用的角度来看，计算机视觉可以提供以前无法获得的信息，”陈说。“令人兴奋的是，我们现在可以获得更多具有前所未有的统计意义和一致性的原始数据。”

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！