Ana Sayfa Nükleer Nükleer güvenlikte algoritmik tasarım dönemi

Nükleer güvenlikte algoritmik tasarım dönemi

Yazar

May 13, 2025 @ 3:51 Değiştirilme tarihi: May 13, 2025 @ 3:53

Güney Çin Üniversitesi’nden araştırmacılar, taşınabilir ve uzay tabanlı reaktörlerde ihtiyaç duyulan kompakt ve güvenli radyasyon koruması için, algoritma bazlı yeni bir çözüm geliştirdi.

Nükleer enerji alanında önemli bir ilerleme, Güney Çin Üniversitesi’ne bağlı Nükleer Enerji Gelişmiş Laboratuvarı’ndan (NEAL) geldi. Araştırmacılar, çok hedefli optimizasyon problemlerini çözmek için “referans nokta seçim stratejisine” dayalı iki algoritma (RP-NSGA ve RP-MOABC) geliştirdi. Bu algoritmalar, özellikle taşınabilir, denizcilik ve uzay gibi dar alanlarda kullanılacak yeni nesil nükleer reaktörlerin radyasyon kalkanı tasarımını hem daha hafif hem de daha verimli hale getiriyor.

taşınabilir reaktör güvenlik tasarımı nükleer reaktör optimizasyon algoritması

Geleneksel yöntemler yetersiz kalınca devreye yapay zeka destekli optimizasyon girdi

Geleneksel radyasyon kalkanı tasarımları çoğunlukla uzman deneyimine dayanıyor ve bu da çoklu hedefleri olan karmaşık tasarımlarda yetersiz kalabiliyor. Yapay zeka destekli optimizasyon ile geliştirilen yeni yöntem, genetik algoritmalar ve yapay arı kolonisi algoritmaları ile entegre çalışarak, tasarım karmaşıklığını ciddi ölçüde azaltıyor ve daha güvenli çözümlerin otomatik olarak oluşturulmasını sağlıyor.

Tasarımın her adımında çoklu hedefler gözetiliyor

NEAL araştırmacılarının geliştirdiği sistem, yalnızca radyasyon koruma düzeyini değil, aynı zamanda hacim ve ağırlık gibi fiziksel kısıtları da göz önünde bulunduruyor. Bu tür optimizasyonlar, özellikle uzayda veya taşınabilir sistemlerde sınırlı alan ve taşıma kapasitesi nedeniyle hayati önem taşıyor. Çalışmanın başyazarı Prof. Zhen-Ping Chen’in açıklamasına göre, “Algoritmalar, çoklu hedefler ve kısıtlar altında en uygun kalkanlama çözümlerini otomatik olarak belirleyebiliyor. Bu da özellikle konsept aşamasındaki yeni nesil reaktör tasarımları için büyük bir avantaj sunuyor”.

Sayısal testlerde klasik yöntemleri geride bıraktı

Araştırma ekibi, algoritmalarını iki farklı senaryo üzerinden test etti:

Basit 3B yapı optimizasyonu: Geleneksel CD-NSGA yöntemine kıyasla RP-NSGA algoritmasının son nesil çözümlerindeki ortalama hacim %24,5’e, ağırlık ise %14,5’e kadar düştü. RP-MOABC algoritmasında ise bu oranlar sırasıyla %17,3 ve %9,77 oldu.
Karmaşık çok katmanlı kalkan tasarımı: Çok malzemeli ve çok katmanlı yapıların optimize edilmesiyle %19,12 hacim ve %24,5 ağırlık tasarrufu sağlanırken, doz sınırları da başarıyla korundu.

Sadece nükleer alanla sınırlı değil

Geliştirilen algoritmalar yalnızca nükleer reaktörlerin kalkan tasarımıyla sınırlı değil; örneğin hastanelerdeki radyoterapi cihazlarında hastaların maruz kalabileceği radyasyon miktarını azaltmak amacıyla kullanılan koruyucu yapıların, daha etkili biçimde optimize edilmesinde de kullanılabiliyor. Bunun yanı sıra, reaktör çekirdek konfigürasyonları, radyasyon emici malzeme geliştirme süreçleri ve diğer mühendislik optimizasyon problemlerinde de geniş bir uygulama alanına sahip. NEAL ekibi, bu algoritmaları kendi geliştirdiği MOSRT adlı yazılım platformuna başarıyla entegre etti.

Gelecek adımda ise algoritmanın performansının daha da artırılması ve gerçek mühendislik uygulamalarında test edilmesi hedefleniyor. Bu sayede nükleer teknolojilerde inovasyonun önünü açacak daha esnek ve güvenli tasarımlar mümkün olacak.

Geleceğin nükleer teknolojileri için güçlü bir temel

Yapay zeka destekli bu yeni nesil algoritmalar, sadece mevcut kalkanlama sorunlarına çözüm getirmekle kalmıyor, aynı zamanda gelecekteki reaktör tasarımları için esnek, optimize ve güvenlik odaklı bir yaklaşımın da kapısını aralıyor. Uzay ve taşınabilir sistemlerin artan önemiyle birlikte, bu tür akıllı mühendislik araçları enerji sektörünün dönüşümünde kilit rol oynayacak. NEAL ekibinin attığı bu adım, sadece teknik değil, aynı zamanda stratejik olarak da nükleer güvenliğin geleceğini şekillendirecek nitelikte.