В
качестве первоочередных
задач ИИ в сфере ядерной энергетики рассматриваются
[2]:
- безопасность реакторов;
- контроль состояния АЭС;
- управление катастрофическими рисками,
включая риски неконтролируемых реакций и атак на АЭС;
- создание
цифровых моделей АЭС с элементами ИИ;
- ИИ + АСУ ТП
повысит эффективность технологического процесса;
- проектирование;
- развитие науки;
- кибербезопасность;
- разработка новых
технологий и их внедрение;
- проверка соответствия нормативным требованиям.
Моделирование процессов, связанных с планированием
управления производством, является одной из важнейших областей
использования ИИ. "Применение ERP- и MES-систем (ERP – управление
ресурсами предприятия; MES – управление производственными процессами) позволило
кратно повысить точность и скорость планирования, принятия объективных и
своевременных управленческих решений. Но встроить ИИ в производственные процессы без
серьезной подготовки невозможно. Основным сдерживающим фактором является
наличие необходимого объема и качества данных. Построить и обучить ИИ-модель
можно, только если есть данные с оборудования, собранные дискретным образом в
достаточном объеме. А такие массивы данных есть далеко не у всех предприятий» (А. Майков, директор по цифровизации Чепецкого механического
завода "Росатом") [1].
По мнению замгендиректора по проектам и
технологиям ЧУ «Цифрум» («Росатом») Д. Баглея, «главная задача искусственного
интеллекта — подсвечивать в нужное время нужные цифры для того человека,
который эти решения принимает» [3].
В работе
с искусственным интеллектом в «Росатоме»
сделано очень много. Начиная с 2018 г., корпорация
осуществила более ста пятидесяти проектов с применением искусственного
интеллекта. Речь идет о различных субтехнологиях — компьютерном зрении,
обработке естественного языка, рекомендательных системах, машинном обучении, предиктивной
аналитике. В рамках только одного проекта по предиктивной аналитике
используется пятьдесят моделей с ИИ.
В Госкорпорации накоплено
множество текстов, на основе которых можно строить системы поддержки принятия
решений, реализован ряд проектов, связанных с анализом естественного языка [4].
ЧУ «Цифрум» совместно
АО «РАСУ» реализовали проект «Интеллектуальный анализ нормативной документации».
Проблема управления требованиями особенно важна при проектировании и
строительстве АЭС, где объем требований исчисляется сотнями тысяч. Цифровой сервис «Атомбот.Закупки» направлен на автоматизацию
закупочной деятельности на основе искусственного интеллекта с использованием
анализа естественного языка.
ЧУ «Цифрум» реализует еще один проект «Навигатор» -
интеллектуальная система управления, включающая систему поддержки принятия
решений на основании данных оперативного мониторинга и прогнозирования
достижения показателей деятельности с учетом внутренних и внешних факторов
влияния. «Навигатор» обеспечивает предиктивный анализ корректирующих
мероприятий, оценивает влияние принимаемых решений и проверяет их фактическое
исполнение.
Компанией АО «Гринатом» создан цифровой продукт «Атом.РИТА»
(Роботизированный Интеллектуальный Технологичный Ассистент) — это RPA-платформа для настройки и сопровождения программных
роботов, взаимодействующих с корпоративными системами через пользовательский
интерфейс. Создано около 400 программных роботов, применяемых на предприятиях
«Росатома» для повышения эффективности бизнес-процессов.
В 2021 г. АО «Концерн Росэнергоатом» и АО «КОНСИСТ-ОС»
разработали автоматизированную систему маршрутизации запросов на базе машинного
обучения, помогающую операторам распределять поступающие запросы пользователей.
Нейросеть была обучена на основе истории запросов и маршрутов перенаправления.
По мнению специалистов, для полноценного применения искусственного
интеллекта в промышленности, получения нужного эффекта масштаба, технологии ИИ
необходимо внедрять не только на узком участке производства, а интегрировать их
между собой.
ИИ на предприятиях «Росатома»
«В атомной отрасли уже реализуется ряд проектов,
позволяющих убрать рутину из процессов закупки, делопроизводства, работы
бухгалтерии и кадровой службы. Все повторяющиеся механические процессы должны
делать цифровые системы. В соответствии с ЕЦС к 2030 г. в атомной отрасли не
менее 80% ИТ-проектов должны выполняться с применением сквозных цифровых
технологий, в которых ИИ является ключевым» (Д. Баглей, зам. гендиректора по проектам, технологиям и инновациям ЧУ «Цифрум») [3].
В
качестве примеров успешного внедрения ИИ на предприятиях «Росатома» можно
привести прогнозирование
технологических параметров производственного процесса для уменьшения брака по
циркониевой и титановой продукции на ЧМЗ, позволившее снизить уровень брака в
два раза (с 2,3% до 0,9%).
В машиностроительном
дивизионе внедрена система мониторинга производственного оборудования, уменьшившая
на 17% число простоев и на 29% увеличившая доступность этого оборудования,
экономический эффект которой составил 130 млн рублей.
Промышленный
искусственный интеллект уже сегодня позволяет управлять качеством продукции,
автоматизировать контроль с применением видеоаналитики и анализа данных,
прогнозировать техническое состояние оборудования. В ближайшее десятилетие ИИ заменит
рутинный труд технолога и конструктора, переведя их на уровень постановки задач
и разработки принципиально новых изделий. А ИИ будет формировать
конструкторскую документацию, оптимизировать технологические и производственные
процессы, вести полный цикл проектирования и изготовления изделий по задачам,
которые будут ставить конструкторы, технологи и научный блок.
«Для промышленности
России внедрение искусственного интеллекта – это даже не вопрос технологического
лидерства, а вопрос выживания и дальнейшего успешного развития» (А. Майков) [5].
Если ничего
не делать с производительностью труда всех категорий сотрудников, то
численность персонала будет расти пропорционально объемам производства. И тут в
полный рост встает проблема кадрового голода. ЧМЗ является одним из крупнейших
в мире и единственным в России производителем изделий из циркония, а также
другой востребованной продукции из сплавов титана, кальция для предприятий
атомной энергетики и других отраслей промышленности. В среднесрочной перспективе
ЧМЗ планирует нарастить объемы производства в 1,5 раза, для чего необходимо
набрать более 1000 человек. Единственное решение — повышение эффективности
производства и производительности труда за счёт внедрения таких инноваций, как
искусственный интеллект».
На
ЧМЗ первыми в «Росатоме» внедрили
систему предиктивной аналитики «АтомМайнд». Платформу
для управления предприятием и производством «АтомМайнд», разработанную компанией
«Росатом Автоматизированные системы управления» (РАСУ) на
базе технологий ИИ, опробовали на предприятиях топливного дивизиона в 2023 г. «РАСУ»
был создан AI-ассистент для автоматизированной трассировки требований с
применением современных технологий. Это области искусственного интеллекта (AI),
такие как машинное обучение (ML) и NLP (Natural Language Processing) —
инструменты обработки естественного языка, а также методы «классического»
подхода к программированию. На выходе получается готовый отчёт, где требования
одного документа связаны с требованиями другого. Это достигается с помощью
NLP-методов анализа структуры документа и использования математических
алгоритмов, которые «понимают» смысл текста. AI-ассистент позволяет существенно
ускорить анализ документов, снизить риски от неучтенных или «забытых»
требований. Время только на трассировку документов различных форматов
сокращается примерно в 6 раз, а точность работы модуля оценивается на 85%.
Решения GenAI создают
контент, дают рекомендации на основе доступных данных, рекомендуют к принятию
те или иные решения. Одна из самых заманчивых перспектив —генеративный
инжиниринг, который может помочь атомщикам в разработке узлов агрегатов,
возьмет на себя часть работы по проектированию строящихся объектов.
Проект внедрения системы
предиктивной аналитики «АтомМайнд» впервые был реализован на Чепецком
механическом заводе, где для управления качеством, контроля
технологической дисциплины и совершенствования технологии ежемесячно требуется
анализировать более 2 млн параметров. На первом этапе система была опробована на прокатном производстве
циркония для минимизации уровня брака готовой продукции, увеличения времени
бесперебойной работы оборудования и оперативного устранения неполадок.
Платформа интегрирована с системой управления производственными процессами
(МES), системой планирования ресурсов предприятия (ERP), системой управления
лабораторной информацией (LIMS), системой мониторинга KPW-станов, системой
ультразвукового контроля, датчиками и контроллерами оборудования [6].
В проекте «Автоматическая установка выявления дефектов
внешнего вида оболочек тепловыделяющих сборок» с помощью нейросетевых
алгоритмов технического зрения и обучаемых моделей установка определяет
повреждения циркониевых оболочек, проверяет их прямолинейность. За минуту
установка осматривает на наличие дефектов 9 м трубы.
Запускается проект по
созданию централизованного сегмента платформы «АтомМайнд». На базе платформы
будет создан централизованный сегмент, где предприятия смогут обмениваться
моделями, обучать их на основании данных с других предприятий [7].
Системе можно задавать любые вопросы на естественном языке, ответы на которые
находятся в ЛНА, а модель будет давать релевантные ответы, генерировать
инструкции, и указывать документы, где в расширенном виде содержится информация
по запросу.
На горизонте 2030 г. платформа
«АтомМайнд» будет развиваться по направлению обеспечения безопасности, необходимо
сертифицировать её, чтобы использовать ее в решениях, связанных с
конфиденциальной информацией.
На сегодняшний день повышение
производительности труда является одной из важнейших отраслевых задач, особенно
с учетом того количества людей, которое надо набрать. Второй пункт стратегии –
цифровизация нормативной базы, интеграции корпоративного аналога GPT в различные
процессы, применение генеративного ИИ для формирования конструкторской или
технологической документации в полуавтоматическом режиме. С применением
похожего набора инструментов программного обеспечения была разработана система
проверки научно-технических отчетов, тестируется применение технологий ИИ в
бизнес-процессах, связанных с нормоконтролем технической документации и с
проверкой конструкторских документов на соответствие техническому заданию.
Ещё одна сфера применения
«АтомМайнд» — реализация наукоемких задач, когда необходимо принимать решения
на основе большого количества исторических данных по какой-то операции,
например настройке оборудования или балансировке элементов изделий.
Аналитическая система делает это быстрее и качественнее.
Внедрение информационной
системы управления IT-стратегией на основании компетенций развития всех
дивизионов позволит оперативно фиксировать изменения в бизнес-стратегиях
предприятий, оценивать их влияние на общую стратегию АО «ТВЭЛ» [7].
Предиктивная аналитика
На производство в первую очередь необходимо внедрить технологии, такие как компьютерное
зрение и предиктивная аналитика, связанные с контролем качества продукции,
заменой рутинного человеческого труда, минимизацией контрольных проб.
Мониторинг технического состояния
производственного оборудования, прогнозирование остаточного ресурса узлов
оборудования, прогноз вероятности брака в продукции по данным ранних этапов
производственного процесса, прогноз оптимальных параметров технологических
режимов оборудования, выявление стадии аномальной работы оборудования – всё это
является типовыми задачами предиктивной аналитики в промышленности [3].
Платформа «АтомМайнд», эксплуатируемая
на ЧМЗ, сопровождая технологический цикл изготовления одного из видов продукции,
собирает данные, находит нужную модель для их обработки, проводит анализ и
выдает результат. Система может рассчитать выход годного по определенной партии,
рекомендовать оптимальные параметры настройки оборудования для улучшения
показателей качества. Это первая функциональная область платформы - предиктив
по качеству продукции.
Дооснастив оборудование
дополнительными датчиками, можно делать предиктив по техническому состоянию и
обслуживанию станков. С помощью «АтомМайнд» можно перейти от планового ремонта
к ремонту по состоянию, что существенно экономит временные, финансовые и
человеческие ресурсы, способствует оперативному реагированию на изменение
параметров оборудования, свидетельствующих о возникновении неисправности.
Еще одним примером применения предиктивной аналитики в
«Росатоме» является проект, выполненный специалистами ЧУ «Цифрум» с
Машиностроительным заводом в г. Электросталь, в котором решались задачи
мониторинга состояния оборудования и предсказания качества продукции в процессе
производства топливных таблеток для АЭС. Здесь ИИ применялся для прогнозирования
технического состояния печи спекания урановых таблеток. Жизненный цикл печи
небольшой, а для оснащения новой печи требуется порядка трех недель. ИИ позволяет
с точностью до дня определить время остановки печи, чтобы заблаговременно
начать оснащение новой и встроить ее в технологический процесс без простоев.
Одна из серьёзных проблем, с которой сталкиваются
производственные предприятия и АЭС, заключается в сложности ранней диагностики
аномалий, поскольку в накапливаемых данных нет примеров для точного описания
аномального поведения установок. Промышленная предиктивная аналитика для
технического обслуживания с использованием цифровых копий реальных объектов
является одной из центральных областей применения ИИ [4]. Она позволяет оптимизировать проведение
обслуживания сложного дорогого оборудования, снизить число необходимых ремонтов
и внеплановых остановок. Предиктивное управление техническим обслуживанием и
возможность прогнозирования аномального поведения в работе оборудования дает
возможность перевести внеплановую остановку в плановую, избежать штрафных
санкций за недовыработку энергии.
Центры компетенций по
предиктивной аналитике в промышленности «Росатома» созданы в ЧУ «Цифрум», в АО
«Концерн Росэнергоатом» на базе компании АО «КОНСИСТ-ОС», в АО «ТВЭЛ», АО
«Атом-энергопромсбыт» и других.
В 2022 г. на
Нововоронежской АЭС завершился первый этап реализации пилотного проекта по
внедрению системы предиктивной аналитики для прогнозирования состояния
оборудования и вероятности его выхода из строя в будущем, с целью избежать
простоев и экономических убытков [8].
В рамках первого этапа на энергоблоке №6 с реактором
ВВЭР-1200 было разработано 49 предиктивных моделей нескольких видов
оборудования: генератора, турбины и четырех циркуляционных
насосов. Модели были верифицированы на исторических данных и запущены в
работу для анализа текущего состояния оборудования в реальном времени. Данные о работе оборудования поступают в режиме онлайн в АО
«ВНИИАЭС», где сотни параметров анализируются и выявляются закономерности,
которые помогут предсказать, как оборудование будет вести себя в будущем.
По
результатам пилотного проекта было принято решение о целесообразности
расширения типов и количества анализируемого оборудования и необходимости
тиражирования системы на аналогичное оборудование других энергоблоков. Второй этап проекта
предполагает подключение к системе предиктивной аналитики более 50 единиц
оборудования турбинного и реакторного цехов энергоблока № 6.
В отраслевом проекте Госкорпорации по исследованию и разработке
технологий искусственного интеллекта для предиктивного моделирования процессов
в атомной отрасли "Росатом" взаимодействует с целым рядом организаций
и вузов: Национальный центр физики и математики, НИИ многопроцессорных систем
им. ак. А.В. Каляева ЮФУ, Воронежский ГТУ, Волгодонский ИТИ (филиал НИЯУ МИФИ),
АО "РАСУ", Федеральный центр мозга и нейротехнологий ФМБА России, АО
"Русатом Сервис", ООО "ДЖЭТ Лаб", АО
"Атомэнергопроект", АО "НИКИМТ-Атомстрой". На базе АО «ВНИИАЭС» создан дивизиональный центр
компетенций по направлению предиктивной аналитики состояния оборудования
АЭС.
Моделирование ядерных
реакторов
Атомная станция сложная многокомпонентная
система, моделирование которой требует больших вычислительных ресурсов и расчетного
времени.
Для управления работой станции в нормальных и
аномальных условиях различные системы АЭС (например, компоненты активной зоны
реактора) подвергаются воздействию облучения и высоких температур, что приводит
к получению различного рода дефектов. Огромные массивы данных непрерывного
мониторинга работы станции для прогнозирования поведения подсистем АЭС и
принятия оперативных решений целесообразно обрабатывать с помощью методов ИИ. Моделирование
физических процессов дополняют модели на основе данных с использованием
машинного обучения.
Для определения оптимальных конфигураций
реакторов могут использоваться алгоритмы ИИ, которые максимизируют
безопасность, производительность и экономическую эффективность. Объединив
цифровые двойники реальных атомных установок с ИИ, отрасль может
оптимизировать сложные технологические процессы и совершенствовать проекты
реакторов, их производительность и безопасность [9].
Большие данные о
ядерных реакторах можно получить с помощью математической модели. По данной тематике
опубликовано большое число работ иностранных
и отечественных авторов [10]: модель ЯР на базе
фундаментальных физических законов и допущениях (Vajpayee
и др., 2020);
модель PWR используется для прогнозирования переходных процессов при
возмущениях реактивности и температуры на входе в реактор (Ejigu
and Liu, 2023); модель
системной динамики АЭС для изучения переходных процессов и разработки платформы
для оценки рисков с помощью имитационного моделирования системы в MATLAB и
Python (El-Sefy
et al., 2019).
Имитационное моделирование позволяет получить фундаментальные представления о
динамике АЭС во время переходных процессов, проанализировать переходные
процессы на АЭС при нормальном маневрировании и аварийных ситуациях обучить
операторов станции (Керлин
и Упадхьяя, 2019b),
работы (Ni
и др., 2021),
(Li
и др., 2023a),
(Corzo
и др., 2023),
(El-Sahlamy
и др., 2022).
Алгоритмы искусственного интеллекта
обрабатывают данные АЭС для выявления аномалий с целью принятия упреждающих мер,
ошибок операторов и планирования технического обслуживания на АЭС (Gursel et al., 2023). Д ля
оптимизации и прогнозирования используются различные алгоритмы ИИ, такие как
GA, PSO, BAS, ML, ANN и DL.
Генетический алгоритм GA применяется для
оптимизации загрузки и перегрузки топливных сборок в активной зоне ядерного
реактора (Соболев и др., 2017)., для проектирования и
моделирования безопасных и эффективных схем загрузки топлива в ядерных
реакторах (Чжао и др., 1998), для
проектирования эффективной радиационной защиты в SMR (Багери и Халафи, 2023), разработки
оптимизированной термодинамической модели в реакторе ВВЭР-1200 (Хан и др., 2022), оптимального управления
энергопотреблением в HTGR (Сан Дж. и др., 2022), оптимизации схемы загрузки
топлива в экспериментальном реакторе на быстрых нейтронах (Лима-Рейнальдо и Франсуа, 2023), управления
топливом в активной зоне в PWR (Родригес и др., 2022), оптимального проектирования
активной зоны ядерного реактора ВВЭР-1000 (Кианпур и др., 2020).
PSO используется
для оптимизации проблем с перегрузкой топлива в PWR (Менезес и др., 2009), оптимизации
схемы загрузки активной зоны ядерного реактора ВВЭР (Бабазаде и др., 2009), оптимизации
конструктивных параметров материала системы радиационной защиты (Лей и др., 2023), проектирования пространства
топлива для ядерных реакторов (Рафии и Ансарифар, 2022 г.), для диагностики
неисправностей на АЭС (Wang H. и др., 2021), проектирования
систем технического обслуживания и безопасности (Wang J. и др., 2021), разработки
систем управления (Coban, 2011; Сафарзаде и Нури-Калхоран, 2021; Эджигу и Лю, 2022a; Айеле Эджигу и Лю, 2022; Мутхурадж и др., 2023).
Комбинируя цифровое моделирование реальных ядерных
установок с системами ИИ, можно оптимизировать технологические процессы,
улучшить конструкцию реактора, его производительность и
безопасность. Моделирование на основе ИИ может использоваться в симуляторах
и цифровых двойниках для обучения
операторов АЭС запуску нового реактора или для обучения новых операторов для
существующей станции.
Новые материалы для
ядерной энергетики
Моделирование материалов на основе ИИ может ускорить разработку новых
материалов и топлива с улучшенными характеристиками производительности,
радиационной стойкости и теплопроводности. С помощью технологий компьютерного зрения может осуществляться
мониторинг состояния конструкционных материалов [4]. Воздействие высоких
температур и радиации ведёт к повреждениям ЯР. Для безопасной эксплуатации требуется
регулярная инспекция оборудования АЭС. Но инспекция критически важных систем на
наличие дефектов достаточно трудоемкая процедура. Просмотр видеозаписей
инспекций требует высокой квалификации и пристального внимания специалиста во
время многочасового просмотра. Обнаружение каверн и трещин осложняется из-за шумовых
структур-паттернов на поверхности материала. Применение компьютерного зрения
позволяет автоматизировать работу по выявлению дефектов. Нейронная сеть способствует выявлению и классификации
около 86% дефектов в материалах (люди обнаруживают лишь 80% дефектов).
Ученые из ВНИИ автоматики им. Н.Л. Духова и НИТУ МИСИС предложили
прогнозировать возникновение дефектов в материалах ядерных реакторов с помощью
новой модели на основе искусственной нейронной сети [11]. Радиационное
распухание при облучении, ухудшающее прочность и долговечность, одна из
основных проблем оболочек твэл. Для оболочек твэл реакторов на быстрых
нейтронах используют аустенитную жаропрочную сталь. Её допустимая деформация при
высоких дозах облучения ограничивается несколькими процентами. Эмпирические модели, используемые для предсказания
радиационного распухания, не универсальны, так как ограничены конкретными
материалами и условиями. Другим методом является многомасштабное моделирование на
разных уровнях, от атомного до макроскопического.
«Метод машинного
обучения является наиболее перспективным. Искусственный интеллект может
предсказать поведение материала, основываясь на составе стали и условиях облучения»
(П. Коротаев, эксперт лаборатории «Моделирование и разработка новых материалов»
НИТУ МИСИС). С помощью этого метода был спрогнозирован полный профиль
распухания при облучении быстрыми нейтронами в зависимости от дозы радиации,
температуры в реакторе и состава стали.
«Чтобы обучить модель,
были рассмотрены десятки материалов, что помогло выяснить, как легирующие
материалы влияют на радиационную стойкость. Такие элементы, как никель, титан,
фосфор, кремний и углерод уменьшают распухание до определённого предела».
Учеными предполагается изучение поведения ещё целого ряда материалов.
Компьютерное зрение для задач атомщиков
В «Росатоме» технологии компьютерного
зрения уже давно применяются для распознавания и обработки документов,
распознавания лиц на контрольно-пропускных пунктах, контроля наличия средств
индивидуальной защиты у сотрудников. В начале 2020 г. систему машинного зрения
внедрили на Кольской АЭС для проверки применения средств индивидуальной защиты,
снижения риска травматизма персонала при опасных работах.
В марте т. г. система машинного зрения была введена в промышленную
эксплуатацию на Ленинградской АЭС [12]. Автоматизированная
система контролирует применение персоналом средств индивидуальной защиты, что
позволит сократить уровень травматизма на предприятии. На первом этапе к
системе подключили 90 камер, позволяющих в режиме реального времени
контролировать 45 помещений с электроустановками 6 и 10 кВ. В течение
2025 г. к системе «умной» видеоаналитики дополнительно подключат ещё ряд
помещений с электроустановками, увеличив число видеокамер на 35 единиц.
Помимо снижения
рисков производственной травмы машинное зрение позволяет обнаруживать
возгорания и задымления, оставленные без присмотра предметы, разливы жидкостей,
несанкционированное нахождение персонала в помещениях. С помощью нейронной сети процесс
обнаружения нарушений в производственных помещениях полностью автоматизируется.
Система видеонаблюдения ведет отчетность по зафиксированным нарушениям и
архивирует их. «Преимущество данной системы в
возможности дообучать нейронные сети. Станции в дальнейшем смогут
самостоятельно научить систему распознавать новые типы СИЗ, расширить
видеоанализ на новые производственные помещения» (В. Князькин, зам. директора по ИТ Концерна «Росэнергоатом»).
На
строительной площадке 3-го и 4-го блоков ЛАЭС-2 с
целью повышения эффективности использования рабочего времени введена
в эксплуатацию система мониторинга физического труда «SOLUT RA", объединившая
технологии промышленного интернета и искусственного интеллекта (разработка компании «SOLUT Atomic») [13]. Для
учета использования рабочего времени для рабочих-строителей холдинга «ТИТАН-2» используются
умные часы, в течение рабочего дня накапливающие информацию о движениях
рабочего, используя акселерометр, гироскоп и другие сенсоры, которые в конце
дня передают данные на сервер.
На Калининской АЭС проводится внедрение
робототехнического комплекса противопожарной защиты машинных залов с элементами
искусственного интеллекта. Разрабатываемая установка включает комплекс
роботизированных лафетных стволов. У каждого робота задан свой определенный
сектор, который он сканирует тепловизором, и в случае обнаружения возгорания
система передает соответствующий сигнал на блочный щит управления энергоблоком
и приступает к тушению в автоматическом режиме либо при управлении оператором.
Интеллектуальная робототехника применяется также для автономного роботизированного манипулирования радиоактивными
отходами при выводе из эксплуатации ОИЯЭ [4].
Горнорудный
дивизион "Росатома" прорабатывает возможность применения ИИ для создания
цифрового двойника месторождения. Перед искусственным интеллектом ставится
задача с максимальной точностью указать, где находится рудное тело, что
позволит резко снизить производственные затраты на добычу.
Для этого «Росатом» организует партнёрство с научными
институтами, привлекает горняков, геологов и цифровизаторов. Планируется
апробировать решение на своих предприятиях, а затем вывести его на рынок (А. Головицин , руководитель
программы сквозных цифровых технологий "Росатома").
В 2019 г. был сдан в промышленную
эксплуатацию первый в России «Умный полигон» подземного выщелачивания урана на
базе АО «Хиагда» в Бурятии [13а]. Благодаря
датчикам «Умный полигон» производит оценку геологической обстановки и
подземного движения растворов в режиме онлайн. Производится оптимизация
процессов закачки и откачки, контроль работы оборудования. Система обрабатывает
большой массив данных, анализирует и сообщает о проблеме диспетчеру, благодаря
чему последний оперативно принимает решение. Система осуществляет также
оценку и прогноз затрат добычного комплекса, пересчитает затраты, что помогает
«взвесить» перспективы предлагаемого решения.
За счет цифровых технологий с алгоритмами ИИ созданная
система «Умный полигон» повысит эффективность добычи урана (В. Галактионов, IT-директор АО «Атомредметзолото»).
Амбициозный
план США
В апреле 2024 г. министерство энергетики США опубликовало отчёт
«Advanced Research Directions on AI for Energy», в котором представлен
амбициозный план по внедрению ИИ в различные сферы энергетики – от
проектирования и эксплуатации атомных электростанций до управления
энергетическими сетями и поиска новых материалов [14].
В
отчёте предлагается использовать ИИ для анализа огромных массивов данных,
связанных с проектированием и эксплуатацией атомных электростанций. Обученный
на тысячах документов, ИИ сможет выступать в роли виртуального эксперта,
выявляя потенциальные риски и упрощая взаимодействие между регуляторами и
разработчиками.
«Отчёт
рисует впечатляющую картину, где генеративный ИИ самостоятельно создаёт
проекты атомных электростанций. Но не приведёт ли стремление к скорости к
снижению уровня безопасности? ИИ, обученный на существующих проектах, может
упустить из виду уникальные особенности и потенциальные риски новых технологий.
Идея
использовать ИИ для мониторинга и управления АЭС позволит решить проблему
нехватки квалифицированных кадров и снизить затраты на эксплуатацию. Но
готовы ли мы доверить управление сложными потенциально опасными объектами
алгоритмам?
ИИ может
стать помощником в управлении разветвлённой энергетической сетью,
прогнозировать сбои, анализировать уязвимости и принимать решения в режиме
реального времени, предотвращая масштабные отключения. Но сложные системы,
управляемые ИИ, становятся уязвимыми к кибератакам.
Использование ИИ
при поиске новых материалов для топливных элементов и других энергетических
технологий — многообещающее направление, но для обучения ИИ
необходимы большие объёмы данных, которые зачастую отсутствуют для новых
материалов. Кроме того, ИИ может упустить из виду неожиданные открытия, которые
часто происходят в результате случайных экспериментов.
ИИ —
это мощный инструмент, который может как ускорить прогресс в энергетике, так и
создать новые риски. Готовы ли мы доверить столь ответственную задачу, как
оценка безопасности АЭС, алгоритмам, работа которых зачастую непрозрачна
и непонятна даже для специалистов? В конце концов, может ли идти речь об
экономии времени и финансов, когда на кону стоят человеческие жизни?».
А что по
этому поводу думают наши отраслевые эксперты
По мнению научного руководителя
проектного направления «Прорыв» Е.О. Адамова, «в долгосрочной
перспективе у систем ИИ большой потенциал в автоматизации
и оптимизации ряда работ в атомной отрасли. Но допускать ИИ
до управления энергоблоком без ограничения функций еще рано [15]. Нельзя слепо отдавать на откуп вопросы,
связанные с безопасностью атомных объектов и их оперативным
управлением. Системы с ИИ хороши в первую очередь в сборе,
структурировании и анализе информации, сигнализации о сложно
диагностируемых неисправностях, но принимать решение о том, что
с этой информацией делать, пока должен человек. Нет такой сферы, где
применение инноваций не требовало бы ограничений. Одни
и те же субстанции в разных количествах и сочетаниях могут
быть и лекарствами, и ядами. ИИ некоторые уже сегодня,
с удовольствием и без особых размышлений, применяют ChatGPT,
а о неприятных последствиях можно прочитать в интернете».
Директор Института интеллектуальных
кибернетических систем НИЯУ «МИФИ» В. В. Климов: «Аналитическую
часть хорошо делают боты — и пусть делают. А вот
на полноценное исследование они пока не способны. Правда, есть
опасность, что люди со временем просто разучатся делать то, что поручают
ИИ».
Руководитель
направления искусственного интеллекта «Гринатом» Я.И. Ибрагимов: «ИИ позволит сэкономить «Росатому» миллиарды рублей, сделает
его продукты более конкурентоспособными, поможет в научных
исследованиях. На сегодняшний день я бы не стал доверять
ответственные задачи ИИ без многократных предварительных проверок.
При этом ни в коем случае
не ограничивал бы развитие ИИ. Я бы ограничивал лишь его использование.
ИИ может сделать жизнь человека многократно лучше, если направить эту мощь
в нужное русло».
Начальник отдела
искусственного интеллекта ЧУ «Цифрум» Д.А. Ларионов:
«У знакомого всем ChatGPT не такой
уж мощный интеллект. Это скорее большой статистический попугай, который
собирает много разной информации и аккуратно раскладывает ее
по полочкам. Но он не мыслит самостоятельно. Обычно компании
начинают с точечных решений, такие проекты дают примерно 5 % оптимизации.
«Росатом» сейчас как раз на этой стадии: на отдельных предприятиях
внедряются системы предиктивной аналитики и контроля качества продукции,
видеоконтроль с компьютерным зрением, цифровые инструменты интеллектуального
анализа документов, всевозможные чат-боты и т. д. Максимальный эффект
достигается тогда, когда точечные проекты переходят в массовые
платформенные решения. На роль такого решения в атомной отрасли
претендует платформа «АтомМайнд» для комплексной цифровизации процессов
управления и производства. Хочется надеяться, что компании, создающие
системы на основе ИИ, сами будут устанавливать ограничения, которые
не дадут этим системам выйти из-под контроля».
Развитие нейроморфных
вычислений позволит решить целый спектр задач в промышленности с принципиально
иными качественными параметрами [1]. Нейроморфные системы
хорошо подходят для управления быстроразвивающимися процессами - удержанием
плазмы в токамаке, управлением движением БПЛА. Такие системы эффективны для
задач детектирования большого количества объектов одновременно,
энергоэффективного детектирования редких событий, быстродвижущихся объектов,
что важно для задач производственной безопасности.
"Росатом" уже сегодня
активно прорабатывает возможности использования ИИ в системах полного
жизненного цикла (PLM), включая создание концепции изделия, его разработку,
производство, последующий вывод на рынок и дальнейшее обслуживание [16]. По словам директора программы
"Промышленные решения" "Росатома" Сергея Мартынова, на
горизонте 2030-х гг. передовым трендом станет применение ИИ в PLM на основе
больших инженерных данных, что позволит мировым вендорам в десятки раз
сократить сроки вывода изделий на рынок.
В "Росатоме" видят в перспективе
создание такого PLM-решения, когда можно будет лишь задавать требования к
конечному продукту, а все решения по его проектированию, производству
(оборудование, материалы, технологические процессы), выводу на рынок будет
принимать искусственный интеллект.
Заместитель гендиректора ЧУ
«Цифрум» Дмитрий Баглей уверен,
что к 2030 г.
нецифрового производства в ГК «Росатом» не будет в принципе [3]. Важно, чтобы надежды на возможности искусственного
интеллекта не привели к застою в развитии интеллекта естественного.
Подготовила
Т.А. Девятова
Источники
1.
https://ria.ru/20231222/rosatom-1916747129.html
Искусственный интеллект - путь к эффективной промышленности.
2. https://archive.atomicexpert.com/page3177509.html Искусственный интеллект в ядерной энергетике.
3. https://rosatom.cnews.ru/articles/2024-11-28
Д. Баглей, ИИ должен стать для промышленников повседневным инструментом.
4. https://edverest.ru/unit ИИ в атомной
энергетике.
5. https://rosatom.cnews.ru/ Энергия
ИИ.
6.
https://neftegaz.ru/science/tsifrovizatsiya/809125
Цифровой разум Росатома.
7.
https://www.forbes.ru/brandvoice/526577 Е.
Гаранин, «АтомМайнд»-платформа на базе технологий ИИ.
9. https://neftegaz.ru/tech-library/vysokie-tekhnologii/854861 Разработка
перспективных реакторов.
10.
https://translated.turbopages.org/
Математическое
моделирование ЯР.
11.
https://naked-science.ru/article/column
Новые материалы для ядерной энергетики.
12. https://rosenergoatom.ru Система
«машинного зрения» на ЛАЭС.
13. https://www.atomic-energy.ru/news/2025/03/21/154648 Система мониторинга физического труда холдинга «ТИТАН-2».
13а. https://www.vnedra.ru/ Цифровой мозг уранодобычи. 14.
https://www.ixbt.com/live/science 04.24
Искусственный
интеллект в атомной энергетике: амбициозный план США.
15. https://strana-rosatom.ru/2023/05/22
Допускать ИИ до управления реактором еще рано.
16. https://www.computerra.ru/308189 Корпоративный ИИ
в действии.
