L'IA pourrait-elle accélérer la conception des réacteurs nucléaires ? Un professeur a trouvé un moyen de gagner des années cruciales dans la conception des réacteurs nucléaires modernes

La recherche en ingénierie de l'université BYU trouve la clé d'une énergie nucléaire plus rapide : l'intelligence artificielle

Un professeur de la BYU a trouvé un moyen de réduire de plusieurs années les processus complexes de conception et d'autorisation des réacteurs nucléaires modernes : l'intelligence artificielle.

Vous avez bien entendu, l'intelligence artificielle s'associe à l'énergie nucléaire. Bien que cela puisse sembler inquiétant et tout droit sorti d'un film de science-fiction, Matt Memmott, professeur de génie chimique, affirme que ce n'est pas ce que l'on croit : personne ne donne les codes nucléaires à l'IA. Il s'agit plutôt d'accélérer le processus de mise en service d'une plus grande quantité d'énergie nucléaire.

Le délai et le coût d'obtention d'une licence pour la conception d'un nouveau réacteur nucléaire aux États-Unis sont généralement d'environ 20 ans et d'un milliard de dollars. La construction d'un réacteur nécessite cinq années supplémentaires et entre 5 et 30 milliards de dollars. En utilisant l'IA dans le processus de conception informatique, qui prend beaucoup de temps, M. Memmott estime qu'il serait possible de raccourcir le délai global d'une décennie, voire plus, et d'économiser ainsi des millions et des millions de dollars, ce qui devrait s'avérer crucial compte tenu des besoins énergétiques imminents du pays.

"Notre demande d'électricité va monter en flèche dans les années à venir et nous devons trouver un moyen de produire rapidement de l'énergie supplémentaire", a déclaré M. Memmott. "L'énergie nucléaire est la seule énergie de base que nous puissions produire dans les quantités de gigawatts nécessaires et qui soit totalement exempte d'émissions. La réduction des délais et des coûts de production et d'homologation des réacteurs nucléaires rendra cette énergie moins chère et en fera une option plus viable pour répondre à la demande future en matière d'énergie respectueuse de l'environnement."

Selon M. Memmott, la conception et la construction d'un réacteur nucléaire sont si complexes et si longues qu'elles nécessitent des efforts à plusieurs échelles. Les ingénieurs s'occupent d'éléments allant des neutrons à l'échelle quantique jusqu'à l'écoulement du liquide de refroidissement et au transfert de chaleur à l'échelle macroscopique. Il a également indiqué que plusieurs couches de physique sont "étroitement liées" dans ce processus : le mouvement des neutrons est étroitement lié au transfert de chaleur, qui est étroitement lié aux matériaux, qui est étroitement lié à la corrosion, qui est liée à l'écoulement du liquide de refroidissement.

"Beaucoup de ces problèmes de conception de réacteurs sont si importants et impliquent tant de données qu'il faut des mois d'équipes de personnes travaillant ensemble pour résoudre les problèmes", a-t-il déclaré. "Lorsque j'étais chez Westinghouse, il fallait six mois à l'équipe de spécialistes des neutrons pour faire tourner l'un de leurs modèles multi-physiques à cœur complet. Et s'ils commettaient une erreur au bout de deux mois, ils perdaient deux mois de temps de calcul précieux et devaient recommencer."

Memmott's constate que l'IA peut réduire cette lourde charge de temps et conduire à une plus grande production d'énergie, non seulement pour répondre à la demande croissante, mais aussi pour maintenir les coûts de l'énergie à un niveau bas pour les consommateurs en général. Ces dernières années, les propriétaires et les locataires du pays ont déjà ressenti l'impact de l'augmentation des coûts des services publics.

D'un point de vue technique, la recherche de M. Memmott prouve qu'il est possible de remplacer une partie des simulations thermo-hydrauliques et neutroniques requises par un modèle d'apprentissage automatique formé pour prédire les profils de température sur la base des paramètres géométriques variables du réacteur, puis d'optimiser ces paramètres. Il en résulterait une conception optimale du réacteur nucléaire pour une fraction du coût de calcul requis par les méthodes de conception traditionnelles.

Dans le cadre de ses recherches, le chercheur et ses collègues de la BYU ont élaboré une douzaine d'algorithmes d'apprentissage automatique afin d'examiner leur capacité à traiter les données simulées nécessaires à la conception d'un réacteur. Ils ont identifié les trois meilleurs algorithmes, puis ont affiné les paramètres jusqu'à ce qu'ils trouvent celui qui fonctionnait vraiment bien et qui pouvait traiter un ensemble de données préliminaires comme preuve de concept. Le modèle ayant fonctionné, ils l'ont mis à l'épreuve sur un problème de conception nucléaire très difficile : la conception d'un bouclier nucléaire optimal.

Les résultats, récemment publiés dans la revue universitaire Nuclear Engineering and Design, montrent que leur modèle affiné peut optimiser géométriquement les éléments de conception beaucoup plus rapidement que la méthode traditionnelle. Par exemple, il n'a fallu que deux jours à l'algorithme d'IA de M. Memmott pour concevoir un bouclier optimal pour un réacteur nucléaire, alors qu'il a fallu six mois à l'entreprise locale Alpha Tech Research Corp. pour concevoir un réacteur à sels fondus.

"Lorsque l'on étudie la conception d'un réacteur nucléaire, on constate que l'espace de conception est immense. C'est comme si des personnes passaient au peigne fin une zone d'un kilomètre de large à la recherche de la bonne conception de réacteur", a déclaré M. Memmott. "L'IA peut désormais aider ces personnes à se concentrer sur ce petit quart d'espace de conception idéal, ce qui réduira considérablement le temps de recherche. Bien sûr, ce sont toujours les humains qui prennent les décisions finales en matière de conception et qui effectuent toutes les évaluations de sécurité, mais cela permet de gagner beaucoup de temps au départ."

Les autres chercheurs de la BYU sont Andrew Larsen, Ross Lee, Braden Clayton, Edwards Mercado, Ethan Wright, Brent Edgerton, Brian Gonda et John Hedengren, professeur de génie chimique. Des collaborateurs d'Alpha Tech, Caden Wilson et John Benson, ont également contribué à la recherche.