ИИ переосмысливает атом путём пересмотра научных видеосъёмок.

Серия изображений на месте трех выбранных кластеров дефектов с разным временем жизни. Источник.

Сегодня так называемый мирный атом обладает лучшим отношением эффективности к занимаемой станцией площади, чем любой другой источник чистой энергии. Однако многие ядерные реакторы используют старые материалы и технологии. Например, в США доля стремительно устаревающих станций составляет 20% всей энергосистемы.  Учёные и инженеры считают, что основанные на новых материалах передовые конструкции могут не только улучшить обстоятельства безопасности электростанций, но и повысить их производительность.

«Мы хотим построить усовершенствованные реакторы, способные работать при более высоких температурах, поэтому нам необходимо найти материалы, устойчивые к более высокой температуре и более высокой дозе облучения», — говорит Вей-Ин Чен, главный материаловед в группе исследователей ядерных материалов в Аргоннской национальной лаборатории Министерства энергетики. 

Инженеры всего мира видят, что с учётом необходимости избавить производства электричества от вредных выбросов, будущее ядерной энергетики целиком зависит от открытия новых материалов. А уж в этом деле, как и во многих других, наметились некоторые сдвиги благодаря возможностям машинного обучения. Поэтому Чен привлёк к разработкам новых соединений системы компьютерного зрения: они помогут выделить лучших кандидатов из переполненного поля претендентов.

Чтобы понять, как это происходит, представьте: если одна картинка может сказать тысячу слов, то какую историю можно узнать из покадрового рассмотрения одного видео? Пять минут видео, содержащего 200 кадров в секунду, могут дать 60 000 изображений. Будь это чем-то вроде «Моби Дика», это могло бы быть интересно, но речь идёт далеко не о приключениях, а о рутине перепроверок и каталогизаций наблюдаемых изменений видеоряда. И чаще всего это занятие весьма утомительно, поэтому обычно учёные анализируют видео своих экспериментов не так подробно.

«С инструментами компьютерного зрения мы находимся на пути к получению всех необходимых данных из всех видеокадров», ‒ поясняет доктор Чен. Алгоритм отслеживания нескольких объектов на основе глубокого обучения (MOT), который учёный использует для извлечения данных из видео, направлен на улучшение конструкций ядерных реакторов. В дальнейшем эта модернизация и позволит добиться «озеленения» ядерной энергетики.

Чен проводит эксперименты на Аргоннском электронном микроскопе промежуточного напряжения (IVEM). Этот высокоточный просвечивающий электронный микроскоп является также и ‒ пусть и частично ‒ ускорителем ионного пучка. Таких инструментов в мире всего около дюжины. Они позволяют наблюдать изменения в материале, вызванные ионным облучением. 

Благодаря этому можно изучить влияние различных энергий на материалы, предлагаемые для будущих ядерных реакторов. Для оценки пригодности материала к использованию в ядерном реакторе решающее значение имеет понимание причин, времени и условий разрушения материалов и проявления в них дефектов. Испытуемые должны будут выдерживать экстремальные условия в течение всего срока службы, потому мельчайшим дефектам как первым признакам слабости претендента уделяется особое внимание. 

Во время экспериментов дефекты возникают в течение одной триллионной секунды (она же пикосекунда). При высоких температурах эти дефекты появляются и исчезают за десятки миллисекунд. По признанию самого доктора Чена, даже ему, эксперту в экспериментах IVEM, сложно строить графики и интерпретировать столь быстро меняющиеся данные.

Мгновенный характер дефектов во время экспериментов объясняет, почему учёные традиционно фиксировали лишь небольшое количество точек данных вдоль важных линий измерения.

Чен провёл последние два года, разрабатывая компьютерное зрение для отслеживания изменений материала в результате записанных экспериментов в IVEM. В одном проекте он исследовал 100 кадров в секунду из видеороликов продолжительностью от одной до двух минут. В другом он извлекал один кадр в секунду в видео продолжительностью от одного до двух часов.

Подобно программному обеспечению для распознавания лиц, которое может распознавать и отслеживать людей на кадрах видеонаблюдения, компьютерное зрение в IVEM теперь умеет выделять дефекты материалов и структурные пустоты. Таким образом, вместо того, чтобы создавать целую библиотеку картинок, исследователь создаёт обширную коллекцию достоверной информации о термостойкости, устойчивости к облучению, микроструктурных дефектах и сроке службы материалов. Затем эта информация может быть нанесена на график для улучшения моделей и планирования экспериментов.

Доктор Чен отмечает, что экономия времени как часто упоминаемое преимущество работы с компьютером не является исключительным преимуществом использования ИИ и компьютерного зрения в IVEM. Дело в том, что, обладая большей способностью понимать и управлять проводимыми экспериментами, пользователи IVEM могут тут же, на месте, вносить коррективы в ход исследования. Это позволяет им более экономно расходовать своё время в IVEM и эффективнее собирать важную информацию.

«Видео выглядят очень красиво, и мы можем многому у них научиться, но слишком часто их показывают один раз на конференции, а затем больше не используют, ‒ заявляет Чен. ‒ Благодаря компьютерному зрению мы действительно можем узнать гораздо больше о наблюдаемых явлениях и можем преобразовать видео явлений в более полезные данные».

В исследовании, опубликованном в Scientific Reports, Чен и его соавторы из Университета Коннектикута представили ИИ-модель для отслеживания нескольких объектов DefectTrack. Эта нейросеть способна в режиме реального времени извлекать сложные данные о дефектах при облучении материалов.

Так, устройство всего за одну минуту отследило до 4378 различных кластеров изъянов со временем жизни от 19,4 до 64 миллисекунд. Результаты были резко лучше, чем при той же работе, проделанной человеком.

«Наши статистические оценки показали, что DefectTrack является более точным и быстрым, чем люди-эксперты, при анализе распределения срока службы дефектов», ‒ говорит соавтор статьи, кандидат в доктора наук Раджат Саинджу.

Компьютерное зрение имеет множество преимуществ; среди них улучшенная скорость и точность.

«Нам срочно нужно ускорить наше понимание деградации ядерных материалов, ‒ говорит Юаньюань Чжу, доцент кафедры материаловедения и инженер Калифорнийского университета в Коннектикуте, возглавлявший группу соавторов университета. ‒ Специальные модели компьютерного зрения могут произвести революцию в анализе и помочь нам лучше понять природу эффектов ядерного излучения».

Чен надеется, что их разработка и будущие ей подобные, улучшит конструкцию реакторов.

«Компьютерное зрение может предоставить информацию, которая с практической точки зрения раньше была недоступна, ‒ поясняет он. ‒ Удивительно, что теперь у нас есть доступ к гораздо большему количеству необработанных данных беспрецедентной статистической значимости и согласованности».

АРМК, по материалам Аргоннской национальной лаборатории.