От предпазване на пациентите до предвиждане на бедствия: изкуственият интелект надгражда ядрените технологии

ТОМ КАСАУЪРС/Horizon Последна промяна на 31 юли 2025 в 00:00 401 0

лекари

Кредит Think Bullish (CC BY-NC 4.0)
Научноизследователска инициатива, наречена SiNfONiA, използва ИИ за адаптиране на дозите радиация към отделните пациенти.

Финансирани от ЕС изследователи използват ИИ, за да трансформират ядрените технологии и да направят медицинското сканиране по-безопасно, да оптимизират поддръжката на ядрените централи и да дадат възможност за по-ранно прогнозиране на земетресенията

Всеки път, когато се подлагате на рентгенография в болница, както вие, така и операторите сте изложени на малко количество радиация. За болничния персонал това означава ежедневно бавно натрупване на облъчване, което леко увеличава риска за тях от сериозни заболявания, като рак например.

„Говорим за хиляди хора, излагани на радиация всеки ден в повечето болници“, казва професор Джон Дамилакис, водещ учен в областта на медицинската физика и директор на катедрата по медицинска физика в Критския университет, Гърция. „Затова трябва да управляваме много внимателно радиационната доза, която получава всеки човек.“

Болниците трябва да предприемат мерки пациентите да получават минималната радиация, необходима за добри изображения. Те обаче често използват усреднени стойности за големи демографски групи, така че нисък, слаб мъж може да получи същата доза като висок, по-тежък на подобна възраст, което означава, че рискът за единия пациент е по-висок, отколкото за другия.

Определяне на подходящата доза

За да реши този проблем, Дамилакис ръководи финансирана от ЕС научноизследователска инициатива, наречена SiNfONiA, която използва ИИ за адаптиране на дозите радиация към отделните пациенти.

„Вместо средни стойности, използваме сложни модели“, обяснява Дамилакис. „ИИ определя необходимата минимална доза за всеки пациент. Това може да стане с големи подробности. Ако например имаме жена с отстранена гърда поради рак, моделът ще намали дозата.“

Изследванията по проекта SiNfONiA, който приключи през декември 2024 г., е само един пример за това как ЕС подкрепя ядрената наука в широк спектър от области, в това число здравеопазване, земеделие, космически изследвания и дори прогнозиране на бедствия.

Общото във всички тези области е, че ядрените технологии все повече се преобразяват с помощта на ИИ.

За да привлече вниманието към тези постижения, на 19 май 2025 г. Европейската комисия организира в Брюксел, Белгия, събитие на тема Атомният интелект: на пресечната точка между ядрените изследвания и ИИ. То събра голям брой изследователски инициативи, които, подобно на SiNfONiA, използват ИИ за надграждане на резултатите.

По-добра поддръжка за по-добра безопасност

В областта на безопасността на ядрените централи изследователският екип на проекта с удачното име El-Peacetolero, ръководен от учени от Сорбоната в Париж, Франция, използва ИИ за подобряване на инспекциите на ядрените централи и по този начин — на тяхната безопасност.

Екипът, съставен от изследователи от Франция, Испания и Германия, разработи портативно устройство с ниска мощност, подобно на пистолет, базирано на оптоелектрониката.

То може да направи бърза оценка на състоянието на полимерите, използвани като защитни, уплътняващи или изолиращи покрития в съединения, електрически кабели или тръби. Може да определи и типа на използвания полимер.

Наблюдението на степента на тяхното остаряване и цялостност е от решаващо значение, но също така представлява проблем в 126-те действащи реактора в ЕС, тъй като този тип инспекция традиционно е бавна и трудоемка.

„Трябва да пробиете дупка, да вземете проба и да я изпратите в лаборатория“, казва Алехандро Рибес Кортес, главен изследовател в френската енергийна компания Électricité de France (EDF). „Понякога минават седмици, преди да получите резултатите.“

Но времето е скъп ресурс, с който екипите за поддръжка не разполагат. Ядрените централи обикновено спират за поддръжка само за около един месец годишно и всяко забавяне може да струва скъпо.

„Един допълнителен ден може да означава допълнителни разходи от 1 милион евро“, казва Рибес Кортес, който работи в EDF Lab Paris-Saclay, където специализира в интегрирането на ИИ в научните и инженерни приложения.

Това е особено важно за ядрените централи, които се извеждат от експлоатация, тъй като те са стари и понякога изследователите не знаят точно какъв тип полимер е използван.

„Устройството насочва LED и лазерна светлина към целта“, казва Рибес Кортес. „От отразената светлина можем след това да извлечем информация за определяне на точния материал, който е използван.“

Съставени с помощта на ИИ алгоритми сравняват отразената светлина със светлинния подпис на гама от полимери, което дава възможност за по-бързо и по-точно идентифициране, отколкото бе възможно преди.

Сензори за земетресения, базирани на ядрена технология

Ядрената технология може да направи възможно и по-ефективното предсказване на земетресения.

Стефан Лабе, професор по висша математика и инженерство в Сорбоната, ръководи компонента за изкуствен интелект на друга финансирана от ЕС изследователска инициатива, наречена artEmis, която комбинира ИИ с ядрена технология за прогнозиране на земетресения в ранния им стадий.

„Съществуващите методи за предсказване следят движението на земята“, каза Лабе. „Те ни позволява да предсказваме земетресения часове до дни преди да възникнат. Това обаче не е достатъчно. Нуждаем се от прогнози седмици или дори месеци предварително, за да се подготвим наистина.“

Земетресенията възникват, когато тектонските плочи на Земята започнат да се движат, освобождавайки в процеса радон — естествено срещащ се радиоактивен газ. При движението на плочите, преди земетресението да се разрази, се освобождават по-големи количества радон, които влизат в подземните води.

Изследователите от artEmis планират да поставят сензори дълбоко под земята, за да засекат такъв тип скокове на радон, преди земетресенията да възникнат.  Тук могат да помогнат ядрените технологии и изкуственият интелект. Докато ядрената технология открива наличието на радон, ИИ е от решаващо значение за пресяването на сложните данни, за да се определи кои следи от радон са свързани със земетръсна активност.

Преодоляване на ограниченията

Тези изследователи трябва да преодолеят и някои от ограниченията на ИИ, като липсата на прозрачност или риска от пристрастност. В контекста на ИИ пристрастността се отнася за систематични грешки или предразсъдъци, вградени в системите за ИИ, които ги карат да произвеждат необосновани, дискриминационни или изкривени резултати.

Някои методи с ИИ например не дават възможност на изследователите да видят защо даден алгоритъм е направил определен избор, което е проблем за прогнозирането на земетресения и предизвикателство за екипа на artEmis.

В медицината пристрастността в данните за обучение може да доведе до опасни грешки. „Затова споделяме кода си с други изследователи“, казва Дамилакис. „По този начин те могат да го тестват със свои данни и да ни помогнат да се справим с възможните пристрастия.“

Въпреки че не всички предизвикателства са решени — artEmis все още трябва да проектира сензори, които могат да оцелеят дълбоко под земята, работата на изследователите, които прилагат ИИ в ядрените технологии, напредва.

„Мечтата е да прогнозираме земетресенията един или два месеца, преди да се случат“, казва Лабе. „Това би променило коренно нещата. Би спасило живота на много хора.“

Изследванията в тази статия са финансирани от програма „Хоризонт“ на ЕС. Възгледите на интервюираните лица не отразяват непременно позицията на Европейската комисия. 

​Тази статия е публикувана за пръв път в Horizon, списанието на ЕС за изследвания и иновации.

Повече информация:

Виж още за:
    Най-важното
    Всички новини

    Още от Технологии

    Коментари

    За писането на коментар е необходима регистрация.
    Моля, регистрирайте се от TУК!
    Ако вече имате регистрация, натиснете ТУК!

    Няма коментари към тази новина !