Российский ИИ помогает делать ядерное топливо безопасным
Институт искусственного интеллекта AIRI вместе с партнёрами разработал модель машинного обучения, которая помогает выбрать стабильные соединения технеция с углеродом и оптимальные условия для его трансмутации в рутений-100.
Что сделали учёные
Группа исследователей из Института искусственного интеллекта AIRI, Сколковского института науки и технологий, ПАО «Сбербанк», Российского химико-технологического университета имени Д. И. Менделеева и Института физической химии и электрохимии Российской академии наук создала модель машинного обучения.
Эта модель прогнозирует термодинамические свойства атомных конфигураций технеция-углерода и помогает понять, какие карбидные структуры стабильны и какие условия выгодны для трансмутации технеция-99 в стабильный изотоп рутения-100.
Разработка сочетает методы квантовой химии и алгоритмы искусственного интеллекта. Исследователи обучили модель на наборах расчётных данных и использовали её для быстрого отбора перспективных материалов. Такой подход сокращает число дорогостоящих лабораторных экспериментов и помогает быстрее сконцентрировать усилия именно на тех вариантах, которые имеют смысл проверять на практике.
Почему эта проблема важна
Технеций-99 – один из долгоживущих продуктов деления, который накапливается в отработавшем ядерном топливе. Он устойчив к распаду и способен мигрировать в окружающую среду через водные потоки. Именно это делает его одним из наиболее проблемных радионуклидов при долгосрочном хранении и захоронении радиоактивных отходов. Решение вопроса с технецием снижает экологические риски и упрощает управление отработавшим топливом.
Одни из перспективных идей: фиксировать технеций в матрицах из карбидов или превращать его в более стабильные изотопы через нейтронное облучение. Если технеций превратить в рутений-100, полученный металл можно использовать в промышленности, например, в каталитических процессах или микроэлектронике.
Как работает модель
Модель анализирует множество возможных атомных расположений технеция и углерода, считает их энергию и предсказывает, какие конфигурации будут стабильными при заданных условиях. Перед учёными - огромный набор «кусочков» структуры, и модель быстро отмечает те «кусочки», которые не развалятся при нагреве или под облучением. Это экономит месяцы вычислений.
Технически это объединение квантовой химии для точных расчётов и машинного обучения для обобщений на большие массивы данных. Модель не заменяет эксперименты, но подсказывает, где эксперименты наиболее нужны. Такой «первичный фильтр» особенно полезен для систем с большим числом возможных конфигураций.
Практическое значение для обращения с отходами
С помощью модели можно выбирать материалы для последующего нейтронного облучения, рассчитывать оптимальные температуры и составы, а также прогнозировать, насколько надёжно будет удержан технеций в матрице. Это ускоряет создание технологий, которые позволят либо надёжно иммобилизовать технеций, либо конвертировать его в более благоприятный для хранения и использования элемент.
Для отрасли это прямой путь к снижению объёмов вредных ядерных отходов и к лучшим схемам переработки топлива. В перспективе это позволит уменьшить экологический след от ядерной энергетики.
