Искусственный интеллект подобрал материалы для реакторов БРЕСТ и ВВЭР-СКД
Нейросеть проанализировала около 250 тысяч вариантов сплавов и подобрала оптимальные составы для перспективных реакторов БРЕСТ и ВВЭР-СКД. Использование ИИ позволило специалистам «Росатома» за две недели решить задачу, на которую иначе ушли бы годы лабораторных испытаний.
Создание новых жаропрочных и радиационно-стойких сплавов требует учета множества параметров: инженерам необходимо сбалансировать механическую прочность, устойчивость к коррозии и поведение материала под длительным воздействием нейтронного излучения. Изменение доли даже одного элемента кардинально меняет физические свойства конечного продукта.
Раньше ученые составляли матрицу возможных комбинаций и последовательно синтезировали образцы в лабораториях. Такой метод слепого перебора требовал больших затрат времени и дорогостоящих реактивов. Искусственный интеллект кардинально меняет эту парадигму – алгоритмы машинного обучения анализируют массивы данных о химических экспериментах и предсказывают свойства еще не созданных сплавов. Нейросеть не даёт готового ответа, но отсеивает заведомо неудачные комбинации и фокусирует внимание исследователей на наиболее перспективных составах.
Для производства реакторов БРЕСТ и ВВЭР-СКД система проанализировала примерно 250 тысяч вариантов легирования, оценила термодинамическую стабильность фаз и спрогнозировала поведение кристаллической решетки при экстремальных температурах. В итоге алгоритм выдал короткий список составов для финальной проверки.
Сокращение сроков разработки
Внедрение такой предваряющей натурные эксперименты аналитики даёт создателям атомных реакторов колоссальный выигрыш во времени. Подбор оптимального состава традиционными методами занял бы несколько лет кропотливой работы. А искусственный интеллект справился с этой задачей всего за две недели.
Реакторы четвертого поколения требуют принципиально новых материалов, способных работать в агрессивных средах при температурах выше 500 градусов Цельсия. Быстрый поиск подходящих сплавов позволяет ученым-атомщикам проектировать корпус реактора и одновременно вести изготовление опытных партий топлива.
Цифровые модели также многократно снижают стоимость научно-исследовательских работ. Предприятия экономят на закупке редких металлов для синтеза заведомо неперспективных образцов. Высвобожденные ресурсы направляются на углубленное тестирование тех составов, которые нейросеть признала наиболее жизнеспособными. Такой подход формирует принципиально новую культуру материаловедения.
Сплавы для энергетики будущего
Материалы, которые сегодня создаются при помощи нейросети, крайне важны для стратегических проектов атомной отрасли. Реактор БРЕСТ-ОД-300 использует свинцовый теплоноситель и требует сплавов, устойчивых к коррозии в расплавах тяжелых металлов. ВВЭР-СКД работает на воде критических параметров, где сочетание высокого давления и температуры создает экстремальные нагрузки на оболочки тепловыделяющих элементов.
Опыт подбора сплавов для этих установок открывает путь к применению нейросетей в смежных областях. Алгоритмы уже адаптируют для поиска материалов первой стенки и дивертора перспективных термоядерных реакторов. Аналогичные подходы востребованы при создании жаропрочных лопаток для авиационных двигателей нового поколения и элементов космических аппаратов.
Искусственный интеллект уже сегодня берет на себя рутинный перебор вариантов и позволяет ученым сосредоточиться на интерпретации результатов и проектировании инженерных систем.
Комплекс автоматизированного синтеза
«Росатом» не ограничивается только виртуальным моделированием сплавов и планирует замкнуть цифровой контур. До конца этого года госкорпорация намерена запустить опытный комплекс автоматизированного синтеза новых материалов с применением ИИ. Роботизированные лаборатории будут самостоятельно собирать металл и проводить первичные испытания образцов.
Интеграция алгоритмов подбора с физическим производством создаст полностью автономную среду. Искусственный интеллект сформулирует гипотезу о составе сплава, а роботизированная ячейка тут же изготовит образец и проверит его на разрывной машине. Полученные данные автоматически вернутся в нейросеть для дообучения модели и корректировки следующих попыток.
Такие автономные лаборатории будут способны работать круглосуточно почти без участия человека. Это многократно увеличит пропускную способность исследовательских центров и позволит тестировать тысячи образцов в месяц. Формирование замкнутой петли между генеративными моделями и физическим синтезом выведет российское материаловедение на принципиально новый технологический уровень.
