Ученые исследуют использование ИИ для ускорения анализа ядерных материалов

Полученные структуры с минимальной энергией для гидратированных ионов металлов [M(NO₃)(H₂O)_x]⁽ⁿ⁻¹⁾⁺ на уровне теории B3LYP. Показаны конформации с минимальной энергией для комплексов [Fe(NO₃)(H₂O)₅]^1+/2+. Разница в энергии между ними сопоставима с тепловыми колебаниями. Автор: Physical Chemistry Chemical Physics (2025). DOI: 10.1039/D4CP04295F

Ученые применили искусственный интеллект и мощные вычислительные ресурсы, чтобы ускорить анализ данных о ядерных инцидентах, таких как взрывы, аварии или промышленные выбросы.

Традиционный лабораторный анализ ядерных событий требует много времени и усилий. Например, для определения источника материалов, использованных во взрыве, необходимо изучать сотни изотопов и химических соединений, многие из которых быстро распадаются. Сбор «молекулярного пазла» в единую картину — долгий и кропотливый процесс.

Специалисты Тихоокеанской северо-западной национальной лаборатории (PNNL) Министерства энергетики США использовали генеративный ИИ, машинное обучение и облачные вычисления Microsoft, чтобы ускорить этот анализ. Исследователи показали, что ИИ может помочь решить сложные химические задачи, возникающие при изучении радиоактивных остатков ядерного взрыва.

Быстрый лабораторный анализ

Главная цель — ускорить процесс идентификации ключевых данных о ядерном взрыве. Новое исследование позволяет оптимизировать химические этапы анализа, сокращая время, необходимое для лабораторных испытаний.

Результаты опубликованы в журнале Physical Chemistry Chemical Physics. Работа также была представлена на конференции Methods and Applications of Radioanalytical Chemistry.

«Определение „отпечатков“ ядерного взрыва требует огромного объема радиохимических исследований. Этот процесс должен быть быстрым, но ученые сталкиваются с крайне сложной химической средой — высоким уровнем радиации и множеством параллельных химических процессов», — пояснил Ник Унак, радиохимик PNNL, руководивший исследованием.

Унак сравнивает анализ последствий взрыва с изучением ингредиентов уже испеченного торта: откуда взялись яйца? Сколько их было? Была ли мука без глютена? Если столько вопросов можно задать о простом торте, представьте, сколько их возникает после ядерного взрыва.

PNNL входит в группу национальных лабораторий и правоохранительных органов, отвечающих за ядерную криминалистику США. В этом исследовании команда использовала ИИ для моделирования химических реакций в радиоактивных остатках, определяя, какие эксперименты следует проводить в первую очередь.

Остатки ядерного взрыва содержат множество элементов, включая уран, стронций, железо и церий. Анализ часто включает растворение материалов в азотной кислоте и трудоемкие химические разделения. В новом исследовании ИИ помог рассчитать константы устойчивости комплексов, что ускоряет понимание их структуры и происхождения.

«Генеративный ИИ работает в многомерном пространстве, что сложно для человека. Модель позволяет значительно сократить время изучения всех возможных вариантов», — отметил Хади Динпаджу, вычислительный химик и соавтор работы.

Ученые считают, что такой подход можно применять и в других областях ядерной науки, например, при производстве медицинских изотопов, таких как молибден-99, используемый для диагностики рака.

Вычислительный процесс поиска конформаций с минимальной энергией. Автор: Physical Chemistry Chemical Physics (2025). DOI: 10.1039/D4CP04295F

Сотрудничество с индустрией

Для сложных расчетов PNNL сотрудничала с Microsoft, используя облачный сервис Azure Quantum Elements с 230 GPU NVIDIA H100. Всего команда задействовала 55 ТБ оперативной памяти для анализа — и это лишь один этап в длинной цепочке исследований после ядерного взрыва.

«Эта работа — первый шаг, но очень важный. Любое ускорение анализа — это победа», — подчеркнул Унак.

Исследования PNNL в области ядерной криминалистики играют ключевую роль в национальной системе анализа радиоактивных материалов и событий.

Подробнее: Mohammadhasan Dinpajooh et al, On the stability constants of metal–nitrate complexes in aqueous solutions, Physical Chemistry Chemical Physics (2025). DOI: 10.1039/D4CP04295F

Источник: Pacific Northwest National Laboratory