人工智能重构核材料研究
核能可以在没有有害排放的情况下发电，其未来取决于新材料的发现。阿贡大学的一位科学家正在使用计算机视觉将最佳候选人与拥挤的领域区分开来。
如果一张图片可以讲述千言万语，想象一下可以从单个视频中收集到的逐帧故事。包含每秒 200 帧的五分钟视频可以产生 60，000 张图像 - 视觉上的“白鲸”。消化和编目听起来很乏味?这就解释了为什么科学家通常不会如此详细地分析他们的实验视频。
能源部(DOE)阿贡国家实验室核材料小组的首席材料科学家Wei-Ying Chen正在试验人工智能(AI)的进步来改变这种状况。他使用基于深度学习的多目标跟踪(MOT)算法从视频中提取数据，正如最近发表在《科学报告》上的一项研究所详述的那样，旨在帮助美国改进先进的核反应堆设计。反过来，现代化的核电将更好地生产安全可靠的电力，而不会释放有害的温室气体。
目前，核能在更少的土地上产生的电力比任何其他清洁能源都要多。许多商业核反应堆提供美国总电力的近20%，使用较旧的材料和技术。科学家和工程师认为，更新的材料和先进的设计可以大大提高核电站产生的清洁电力的百分比。
“我们希望建造可以在更高温度下运行的先进反应堆，因此我们需要发现能够抵抗更高温度和更高辐照剂量的材料，”陈说。“借助计算机视觉工具，我们有望从所有视频帧中获取所需的所有数据。
Chen协助用户并在阿贡的中压电子显微镜(IVEM)设施进行实验，该设施是国家用户设施，也是美国能源部核科学用户设施(NSUF)的合作伙伴设施。IVEM(部分透射电子显微镜，部分离子束加速器)是世界上大约十几种仪器之一，可以让研究人员在变化发生时(原位)观察离子辐照引起的材料变化。这意味着像陈这样的科学家可以研究不同能量对拟议用于未来核反应堆的材料的影响。
了解材料在其使用寿命期间在极端条件下分解并出现缺陷的原因、地点和时间对于判断材料是否适合用于核反应堆至关重要。极小的缺陷是材料腐蚀、变脆或失效的第一个迹象。在实验过程中，缺陷发生在皮秒或万亿分之一秒内。在高温下，这些缺陷在几十毫秒内出现和消失。陈是IVEM实验的专家，他说即使是他也很难绘制和解释这些快速移动的数据。
实验过程中缺陷的短暂性解释了为什么科学家传统上只捕获重要测量线的少量数据点。
在过去的两年里，Chen一直在开发计算机视觉，以跟踪IVEM记录实验中的材料变化。在一个项目中，他从一到两分钟的视频中每秒检查100帧。在另一个项目中，他每秒提取一到两个小时的视频一帧。
与可以在监控录像中识别和跟踪人的面部识别软件类似，IVEM的计算机视觉可以挑出材料缺陷和结构空隙。Chen没有建立一个面库，而是建立了一个关于耐温性、辐照弹性、微观结构缺陷和材料寿命的庞大而可靠的信息集合。可以绘制此信息以告知更好的模型并计划更好的实验。
Chen强调，节省时间 - 计算机工作的一个经常被引用的好处 - 并不是在IVEM使用人工智能和计算机视觉的唯一好处。凭借更强大的理解和指导正在进行的实验的能力，IVEM用户可以进行现场调整，以更有效地利用他们在IVEM的时间并捕获重要信息。
“视频看起来非常好，我们可以从中学到很多东西，但很多时候它们在会议上只播放一次，然后就不再使用，”陈说。“通过计算机视觉，我们实际上可以更多地了解观察到的现象，我们可以将现象的视频转换为更有用的数据。
缺陷跟踪证明自己准确可靠
在发表在《科学报告》上的研究中，Chen和康涅狄格大学(UConn)的共同作者提出了DefectTrack，这是一种能够在材料被照射时实时提取复杂缺陷数据的MOT。
在这项研究中，DefectTrack在短短一分钟内跟踪了多达4，378个不同的缺陷簇，寿命从19.4到64毫秒不等。这些发现明显优于人类同行的相同工作。
“我们的统计评估表明，在分析缺陷寿命分布方面，DefectTrack比人类专家更准确，更快，”UConn合著者和博士候选人Rajat Sainju说。
计算机视觉具有多种优势;提高速度和准确性就是其中之一。
“我们迫切需要加快对核材料降解的理解，”领导该大学合著者团队的康涅狄格大学材料科学助理教授兼工程师朱媛媛说。“专用的计算机视觉模型有可能彻底改变分析，并帮助我们更好地了解核辐射效应的本质。
Chen乐观地认为，像DefectTrack这样的计算机视觉将改善核反应堆的设计。
“从实际的角度来看，计算机视觉可以提供以前无法获得的信息，”陈说。“令人兴奋的是，我们现在可以访问更多具有前所未有的统计意义和一致性的原始数据。