Yapay Zekanın Nükleer Enerjideki Uygulamaları
Nükleer enerji günümüzde çok tartışılan bir konudur. Atomların elektron ve nötronlarının ışımalarının sömürülmesiyle açığa çıkan bu enerji eskiden birçok ülke tarafından geleceğin enerjisi olarak nitelendirilirken yol açtığı facialar sebebiyle kendine duyulan güveni sarsmıştır. Avrupa Birliği kendi içindeki ülkelere nükleer enerjiyi sağlam mevzuatlar ve standartlarla uygulamaları için baskı uygularken[1], Türkiye’de belli bir yasa veya düzenlemeye gidilmeden yapımına başlanan Akkuyu nükleer santrali büyük çaplı fikir ayrılıklarına yol açmıştır. Nükleer santralin ülkemizin enerji bağımlılığını azaltacağını öne süren fikrin yanı sıra ülkemizde nükleer enerji santrallerinin kontrollerinin yapılmasının zor olduğunu ve bundan dolayı büyük felaketlere sebep olabileceğini düşünenler de var.
Geçen yazımda yapay zekanın enerji sektöründeki genel uygulamalarından bahsetmiştim. Gelin bu sefer yapay zekanın nükleer enerji alanında nasıl uygulandığını inceleyelim. Öncelikle tarihe geçen bazı nükleer santral facialarından bahsederek yol açtığı kaosları gösterelim [2].
Önemli nükleer facialar
- Çernobil, Ukrayna (1986)
Çernobil nükleer santrali o zamanki Ukrayna Sosyalist Cumhuriyeti’ne bağlı Pripyat şehri yakınlarındaydı. Olayın Nükleer Olay Ölçeği’ne[3] göre sınıflandırması; en yüksek seviye olan 7’dir(ciddi kaza). Patlamanın sebebi ise operatörlerin, test esnasında oluşan ani ve beklenmedik güç dalgasına etkisiz müdahaleleri olarak belirtiliyor. Acil durum butonuna basılmış olsa da güç çıkışı büyüyerek son noktaya ulaştığında bir dizi tepkime meydana gelmiş, bu olaylar sonucunda nötron moderatör ile hava arasındaki grafitin birleşmesine neden olmuş ve nükleer çekirdekte erime gözlenmiştir. Kaza sırasında tutuşma ile çıkan yangın atmosfere yükselir böylece Pripyat başta olmak üzere geniş bir coğrafyaya yüksek derecede nükleer serpinti bulutu yayılır. Serpinti bulutu Sovyetler Birliği’nin batısı ile buradan Avrupa’ya ve Karadeniz üzerinden Türkiye’ye sürüklenmiştir. Bu kaza sonucunda 18 milyar rublelik maddi hasar meydana gelmiş, çevredeki halkın ve müdahale eden işçilerin çoğu radyasyona maruz kalmış, faciadan sonra 4000–93.000 kişi oluşan radyasyondan direkt etkilendiğinden hayatını kaybetmiş, ayrıca etkilenen Ukrayna dahil bütün ülkelerde kanser vakaları artış göstermiştir. Çernobil turizmde ve edebiyatta büyük izler bırakan bir kaza olarak tarihe geçmiştir. Yetkililer bölgeye gidilmesinin güvenli olduğunu açıklarından beri insanlar santral işçileri için inşa edilen Pripyat şehrine ziyarette bulunmakta, nükleer santralin yarattığı etkiyi kendi gözleriyle görebilmektedirler.[4]
2. Tokaimura, Japonya (30 eylül 1999)
Foto: © Milli Arazi Görüntüleme Merkezi[3]
Japonya’nın Tokaimura nükleer santralinde gerçekleşen bu kazanın Uluslararası Nükleer Olay Ölçeği’ne göre sınıflandırması 4’tür (belirtilmemiş sonuçlar ile kaza). Nedeni ise işçilerin maliyetleri azaltmak için bir yığına gerektiğinden daha fazla Uranyum koymalarıdır. Kaza sonucu 3 işçiden ikisi hayatını kaybetmiş, hayatta kalan işçi de ilerleyen yıllarda çoklu organ yetmezliği, iç kanama gibi sebeplerle yaşamını yitirmiştir. Kaza sonrasında 1182 yerleşim yerinde Yurttaşlar için Nükleer Bilgi Merkezi’nin yaptığı incelemeyle burada yaşayanların %35’inde fiziksel ya da mental sorunlara bağlı baş ağrısı, halsizlik, uyku bozukluğu ve anksiyete gibi rahatsızlıkların bulunduğu ve bu rahatsızlıklarla evlerin tesise yakın oluşu arasında güçlü bir ilişki olduğu tespit edilmiştir. [5]
3. Three Mile Island, ABD (28 mart 1979)
ABD’nin Pensilvanya eyaletinde bulunan bu nükleer santralde meydana gelen olayın ölçeği 5’dir (Geniş sonuçlar ile kaza). Olayın sebebi soğutuculardan birinde yaşanan kaza sonucu çekirdeğin erimesi ve eriyen çekirdeğin operatörler tarafından farkında varılamamış olmasıdır.[6] Kaza çevreye ve yerel halka büyük bir hasar vermese de reaktör çok büyük ölçüde hasar görmüş ve bu küçük bir hata reaktörde çok büyük maddi hasara sebep olmuştur.
Bu facialar bütün olaylardan sadece birkaçı. Nükleer reaktörlerde oluşabilecek en hafif kazalar bile maddi ve manevi kayıplara sebep olabiliyor. Yapay zeka algoritmalarını kullanarak bu hasarları nasıl engelleyebiliriz?
Bu oluşan kazaların önüne geçmek için neler yapabiliriz? Öncelikle yapay zekanın temelindeki çalışma mantığından bahsetmek konunun ileride anlaşılması için önemli.
Pekiştirmeli öğrenme
Pekiştirmeli öğrenme, makine öğrenmesinin temel aldığı 3 öğrenme türünden biri olup sunulan durumlardan çıkarımlar yapmaya çalışan yapay zekalar yaratmak için kullanılır. Amaç ‘ödül-ceza’ yöntemiyle modelin mantıksal çıkarımlar yapmasını sağlayarak kendi kendisini eğitebilmesinin önünü açmaktır. Bu şekilde kurulan yapay zeka modeli kendi kendisini eğiterek insanların yaptıkları görevleri kolayca yapabilecek hale gelebilir. Aşağıda pekiştirmeli öğrenme yönteminin işleyişini görebilirsiniz.
Yukarıdaki şemayı şöyle açıklayabiliriz: ajan (yapay zeka modeli) öğrenmesi istenen olayı verilen kısıtlama ve kıstaslara göre öğrenir. Ajan eylemleriyle çevreye eylemlerde bulunur ve bu eylemlerden daha iyi sonuçlar alması halinde ‘ödüllendirilir’.
Enerji verimliliğini artırmak
Yapay zekanın nükleer enerjideki en önemli kullanım alanı enerji verimliliğini artırmak için kullanılan algoritmalardır. Nükleer reaktörlerde enerji verimliliğini sağlamak reaktör çekirdeğinin stabil olmasını sağlayarak yapılabilir, bu da yakıt demetlerinin uygun şekilde yerleştirilmesiyle yapılabilir.
Yakıt demetleri tepkimeler sırasında birbirini dengeleyen uranyum elementi ve gadolinyum oksit bileşiklerinin içeriklerine göre sıralanır. Uranyum nükleer reaksiyonu oluştururken, Gadolinyum oksit bileşiği tepkimeyi yavaşlatmak, hatta durdurmak için kullanılır. En verimli çalışma noktası bu iki etkenin birbirini dengeleyecek şekilde sıralanmasıdır. En verimli noktanın bulunması işleminde hala klasik yöntemler kullanılsa da, en basit reaktörlerde bile 100 yakıt demeti bulunması en verimli kombinasyonun bulunmasını zorlaştırmaktadır. Peki yapay zeka algoritmaları bunu nasıl başarabilir?
Exelon firması ve Massachussets teknoloji enstitüsünün geliştirdiği yapay zeka modeli farklı verimli demet kombinasyonları oluşturarak en verimli kombinasyonu bulabiliyor. Bu süreçle reaktörün elde ettiği kâr miktarını inanılmaz seviyede artırmakla kalmayıp, bunu insanlardan daha hızlı yapıyor ve simülasyonlarını da gerçekleştirebiliyor.
Yukarıda simülasyonlardan elde edilen sonuç gösterilmekte. Bu sonucun elde edilmesi için 36 bin simülasyon yürütülmüş ve sonuçlar BWR (Boiled Water Reactor - Kaynar Su Reaktörü) merkezli olarak elde edilmiştir. Bu algoritma şu anlık herhangi bir reaktöre uygulanamamış olsa da 2 yıl içinde Exelon firmasının nükleer santrallerinden birinde uygulanması beklenmekte. [7]
Nükleer enerji santrallerinin güvenliğini artırmak
Nükleer enerjinin en büyük sorunu santrallerdeki inanılmaz kontrol gereksinimidir. Nükleer santrallerde çalışan operatörler kriz anlarında fiziksel ve psikolojik olarak çok yüksek bir baskı altında bulunduklarından iş yapmakta zorlanabilirler. Operatörlerin sorumluluğuna bırakılan santrallerde bazen en küçük sorumsuzluklar, kazalar veya dikkatsizlikler Çernobil felaketi gibi büyük facialara sebep olabilir. Bu durumun düzeltilmesi için süreci otomatik hale getirebilecek, hataları görmezden gelmeyecek bir sisteme ihtiyaç duyulmaktadır. Yapay zeka modelinde bu tip bir sistemi oluşturabilmek için ‘uzman sistemler’ adı verilen yöntemi kullanabiliriz. Asıl konuyu anlatmadan önce uzman sistemleri açıklayalım:
Uzman Sistemler
Bilgisayarın kendisine sağlanan verilerden istatistiksel olarak en doğru ve mantıklı sonucu vermesini sağlayan algoritmaları oluşturur. Resmi tanımı: Uzmanlığın problemlere uygulanmasıyla ilişkili insan düşünce süreçlerini taklit etmeye çalışan bilgisayarlı işlemler veya programlardır. Temelde 2 bileşeni vardır. Bunlardan biri bilgi tabanı, diğeri ise çıkarım motorudur (işlemci). Uzman sistemleri şu şekilde çalışır:
“Çıkarım motoru gerekli bilgileri toplar ve programlanan stratejiye göre arama sürecine rehberlik eder, ilgili süreçler hakkında çıkarımlar yapmak için mantık kurallarını kullanır ve istenirse kanıtlarıyla birlikte vardığı sonuçları sunar. Çıkarım motoru, verilen verilerle başlayıp bir çözüme doğru ilerlediği “ileri zincirleme” (yani ileriye doğru akıl yürütme) veya bir sonuç varsaydığı ve ardından destekleyecek kanıt aradığı “geriye doğru zincirleme” kullanabilir. Çıkarım motoru ve bilgi tabanı tamamen ayrı olduğu için, çıkarım motoru üzerinde herhangi bir etki olmaksızın bilgi tabanındaki değişiklikler kolaylıkla yapılabilir.”
Uzman sistem teknolojileri
Özellikle Amerika’da nükleer reaktörlerde operatör hatasını azaltabilecek uzman sistemleri geliştirilmiş bazı nükleer santrallerde kullanılmaya başlanmıştır.[8] Elektrik Gücü Araştırma Enstitüsü (EPRI), 1983'ten beri konuda çok ciddi çalışmalar vermiştir. Bu çalışmalardan en önemlisi REALM’dir(Reaktör acil alarm seviyesi monitörü). Bu teknoloji gerekli parametreleri gözleyip oluşacak değişimlerde hassaslık analizi yaparak operatörlere yapılacak eylemler ve bir sonraki düşük seviyeye nasıl geçilebileceği konusunda tavsiye verir. Aynı şirket yapılan adımları takip edebilecek bir yazılım da geliştirmektedir.
Bu konuda yapılan başka bir çalışma ise Hanford Mühendislik Geliştirme Laboratuvarlarında (HEDL) tasarlanan, Hızlı Akı Test Reaktörü’nde (FFTF) çalışan iki farklı uzmanın ‘klonları’ olarak geliştirilen CLEO ve CRAW yazılımlarıdır. CLEO (Leo’nun klonu, FFTF’te yakıt ikmali uzmanı) FFTF’nin mevcut ve gelecekteki çekirdek konfigürasyonu göz önüne alındığında, gerekli yakıt ikmali hareketlerinin bir listesini 30 saniyeden daha kısa sürede oluşturabilen uzman bir sistemdir. CRAW (Rawley’nin klonu, FFTF’de yakıt kaplama arızalarının teşhisi uzmanı), yakıt arızasının belirtilerini yorumlayan bir sistemdir. Günün 24 saati böyle yorumlamalara ihtiyaç duyulmaktadır, bu sebeple bu sistemler uzman yokluğunda iyi alternatifler olarak karşımıza çıkar.
Nükleer santrallerde güvenliği artıracak ve otomasyonu sağlayacak başka yazılımlar ise şöyle sıralanabilir:
TRIBES (Hata Tamponlama Uzman Sistemi): Bu sistem sırasıyla nükleer enerji santrali parametrelerini ve kontrol elemanı montaj pozisyonlarını izleyen sistemlerin neden olduğu hataları analiz eder.
TAGS (Etiketleme Yönetim ve Üretim Sistemi): San Onofre nükleer santrali tarafından geliştirilen bu sistem, etiketleme süreçlerinde yardımcı bir eleman olarak karşımıza çıkar. Daha sonra EPRI tarafından geliştirilen ve santrallerin boru ve enstrümantasyon diyagramlarını oluşturan PLEXYS (Santral Uzman Sistemi) ile birleştirilip en güvenli etiketleme sınırlarını belirleyerek santralde hata oluşması riskini azaltır.
MOVES(Motorla Çalışan Valf Uzman Sistemi): Duane Arnold Energy Center ve Iowa Eyalet Üniversitesi, valf bakım planlaması için başlattığı bir sistemdir. Veri tabanı, aşağı yukarı 117 güvenlikle ilgili motorlu valf içerir. Bakım, operasyonel semptomların teşhisi, düzeltici bakım reçetesi, prosedür gereksinimlerinin belirlenmesi ve gerekli bakım sonrası testlerinin tanımlanmasını kapsar. Valf bakımı santrallerde büyük önem taşımaktadır. Valfle ilgili sorunlar ABD’deki kamu kuruluşlarına her yıl çok yüksek miktarlarda maddi kayba neden olmaktadır. Bu yazılım geçen yazımda bahsettiğim kestirimci bakım (predictive maintenance) ile ilişkilendirilebilir.
Bunun dışında nükleer santrallerin pek çok alanında bu tip sistemler kullanılmaktadır. Bu alanlardan bazıları ısı oranı iyileştirmesi, sinyal doğrulama, bozulma analizleri, gerçek zamanlı acil durum tahliye planlaması ve gerçek zamanlı radyasyona maruz kalma yönetimi gibi pek çok alanı kapsar.
Nükleer santrallerin otomasyonu
Uzman sistemlerin nükleer santral uygulamalarının gittikçe arttığını ve geliştirildiğini görmekteyiz. Peki bütün bir santralin güvenliğini personele dayalı olmadan sağlayabilir miyiz? Şu anlık bu sistemler tavsiye vermeye dayalı olsa ve kendi başına bırakıldıklarında en fazla 3 gün çalışabilseler de [9], 5–10 yıl içerisinde yapay zekaya yapılacak olan yatırımlarla tamamen otomatik güvenlik sistemlerinin var olacağından hatta santrallerin tamamen otomatik çalışabileceğinden (akıllı santraller) söz edilmektedir.
Sonuç
Nükleer enerji geçmişte insanlığa olan zararlarından dolayı çok negatif bir algıya sahip. Çoğu Avrupa ülkesinin kaldırmak istediği bu teknolojinin ülkemizde uygulanmaya çalışılması halk tarafından çok tartışmalı görülüyor ve eleştiriliyor. Günümüzde pek çok alana dokunan yapay zeka, fabrikaların otomasyonu ve iyi bir atık yönetimiyle bu negatif etkilerin önüne geçebilir, nükleer santrallere karşı oluşan algı değiştirebilir aynı zamanda bu santrallerin kullanımını daha güvenli hale getirebilir.
Kaynaklar
[2]: https://onedio.com/haber/yasanmis-en-kotu-10-nukleer-felaket-492386
[3]: https://tr.wikipedia.org/wiki/Uluslararas%C4%B1_N%C3%BCkleer_Olay_%C3%96l%C3%A7e%C4%9Fi
[4]: https://tr.wikipedia.org/wiki/%C3%87ernobil_Facias%C4%B1
[5]: https://nukleersiz.org/tokaimura-japonya-1999/
[6]: https://www.afad.gov.tr/kbrn/three-mile-island-kazasi https://tr.wikipedia.org/wiki/Uluslararas%C4%B1_N%C3%BCkleer_Olay_%C3%96l%C3%A7e%C4%9Fi
[7]: https://teknoloji.org/yapay-zeka-ile-nukleer-enerji-verimliligini-artirmak/
[8]: Uhrig, R E. Use of artificial intelligence to enhance the safety of nuclear power plants. United States: N. p., 1988. Web.
