서사시 "체르노빌"에서 촉발된 기술적 사고: 다음 핵 재앙을 피하려면 어떻게 해야 할까?
미국의 TV 시리즈 '체르노빌'의 인기로 인해 시청자들은 다시 한번 핵 사고에 대한 두려움을 느끼게 되었습니다. 인공지능 기술을 핵 방호 및 핵 안전에 적용하면 유익한 결과를 얻을 수 있을 것입니다. 아마도 인공지능을 합리적으로 사용하여 핵에너지 사용을 '제한'하는 것이 자원의 가치를 더욱 극대화하는 데 도움이 될 것입니다.
'왕좌의 게임'은 결국 파괴적인 줄거리로 갑작스럽게 끝났습니다. 이렇게 훌륭한 드라마가 이런 식으로 끝나서 슬프네요. 하지만 HBO는 시청자들이 편안히 쉴 수 있는 시간을 크게 주지 않았습니다. 사람들의 시야에 또 다른 훌륭한 드라마가 등장했기 때문입니다.
최근 인기를 끌고 있는 미국의 드라마 '체르노빌'은 아직 3화(총 5부작)까지 업데이트되었지만, 주요 시청률 사이트에서 만점을 받으며 금세 수천 명의 사람들이 찾는 걸작이 되었습니다.
제작상의 이점 외에도, 이 영화가 인기 있는 이유 중 하나는 체르노빌 원자력 사고 자체의 시사성 때문입니다. 이 사건은 파괴적인 원자력 사고의 기억을 담고 있기 때문입니다.
체르노빌 원자력 발전소 사고는 1986년 4월 26일 당시 소련의 일부였던 우크라이나 북부에서 발생했습니다.
그날 원자력발전소 4호기가 폭발하면서 원자로가 완전히 파괴되고, 대량의 방사성 물질이 누출되어 원자력 시대 최대의 사고(7등급)가 되었습니다. 방사선 위험은 심각하여 사고 전후 3개월 동안 31명이 사망했고, 그 후 15년 동안 6만~8만 명이 사망했으며, 13만 4천 명이 다양한 정도의 방사선 질환을 앓았습니다.
원자력 산업에서 인공지능이 안전 보호 기능을 제공할 수 있는 방법이 있을까요?
효율성이나 안전성은 결코 선택 사항이 아닙니다.
심각한 원자력 발전소 사고로 인해 엄청난 재앙이 발생했습니다. 하지만 세계의 중요한 에너지원 중 하나인 핵에너지는 여전히 사람들의 관심을 끌어 개발을 모색하고 있습니다.
핵에너지의 가장 매력적인 점은 놀라운 에너지를 가지고 있다는 것입니다. 흔히 사용되는 핵연료인 우라늄-235 1kg이 핵분열하면서 방출되는 에너지는 석탄 2,700톤을 연소시킬 때 방출되는 에너지와 같습니다.
하지만 에너지가 클수록 통제하기 어려워지고, 통제 불능이 되면 피해도 커집니다.
이전 사고의 경우, 인간의 부적절한 조작이 원인의 상당 부분을 차지했습니다. 따라서 핵에너지를 보다 안전하게 이용하기 위해 기술을 어떻게 활용할 것인가가 가장 시급하게 해결해야 할 문제입니다.
자동화된 배치와 인공지능 관련 솔루션의 도입은 핵에너지를 장비 생산 안전과 안전 모니터링을 유지하는 데 있어 더욱 온순한 야생마로 만들 수 있는 기회를 제공합니다.
보호층 균열 조기 감지: 머신 비전
미국은 세계 최대의 상업용 원자력 발전 공급국으로, 전체 전기의 약 20%를 공급합니다. 그러나 1952년부터 2010년 사이에 미국에서는 심각도가 다양한 56건의 사고가 발생했는데, 그 중 19건은 보호층 파열이나 고장과 관련이 있었습니다. 복구 비용은 20억 달러였습니다.
견고해야 할 보호 부품은 내부 노화 및 균열, 피로, 취성, 마모, 부식, 산화 등의 다른 이유로 기능적 손실과 안전 손상을 입었습니다. 이는 보안에 그림자를 드리웁니다.
이 문제를 해결하려면. 퍼듀 대학의 연구팀은 CRAQ(Crack Recognition and Quantification) 시스템을 개발했습니다.
이 시스템은 그래픽 처리와 딥 러닝을 결합하여 보호층의 비디오 분석을 통해 금속 질감의 변화를 식별하고 균열 문제를 예측하고 해결합니다.
원자로는 일반적으로 냉각을 위해 물에 담가야 하며, 고온이나 방사선 등의 요인으로 인해 구성 요소를 직접 수동으로 검사할 수 없습니다. 정보부는 수중 원자로 표면의 원격 녹화 영상을 통해 균열을 감지합니다.
그러나 순전히 수동으로 검토하는 것은 노동 집약적이며 오류가 발생하기 쉽습니다. 연구진은 효율적인 탐지 시스템을 개발하기 위해 원자력 발전소 내부 구성 요소의 수중 표본 20개에 대한 영상을 수집했습니다. 샘플은 초당 30프레임으로 스캔되었으며, 각 프레임은 합성 신경망을 사용하여 균열 여부를 검사했습니다.
이 알고리즘은 프레임마다 균열을 관찰하고 카메라 이동으로 인해 변화하는 구성을 고려하여 균열의 위치를 정확히 찾아냅니다. 이 알고리즘은 촬영된 빛의 영향을 피하면서 다양한 각도에서 균열을 주의 깊게 조사할 수 있는 인간의 시력 능력을 시뮬레이션합니다.
이 방법은 또한 약 30만 개의 균열과 비균열을 포함하는 데이터 세트를 사용하여 모델을 테스트합니다. 테스트 결과, CRAQ 시스템은 균열 추적에 98.3%의 성공률을 보였습니다.
모델을 사용하여 방사선 분포를 예측합니다.
원자력 발전소는 여러 단계의 안전 검사를 거친 후에 생산에 들어갈 수 있습니다. 그러나 예상치 못한 요인으로 인해 위험이 발생할 경우, 경영진이 해결 방안을 찾고 대응하는 것 외에도, 적절하고 합리적인 방식으로 사람들을 대피시키는 것도 중요한 측면입니다.
세계에서 7등급으로 평가된 또 다른 원자력 사고는 2011년 일본 후쿠시마 원자력 발전소 사고입니다. 이러한 사고의 영향을 최소화하기 위해, 핵 누출에 대응할 때 대피를 돕기 위해 머신 러닝과 기타 관련 기술도 활용됩니다.
2018년 7월, 도쿄대학교의 연구진은 방사성 물질의 지리적 분포를 예측하기 위한 머신 러닝 기반 도구 세트를 개발했습니다.
원자력 발전소 사고가 발생하여 방사성 물질이 방출되면 근처 주민들을 가능한 한 빨리 대피시키는 것이 중요합니다. 하지만 누출된 방사성 물질이 어디에 가라앉을지 즉시 예측하는 것은 어려워서 사람들이 위험에 노출되는 것을 막는 것은 어렵습니다.
연구팀은 기상 시뮬레이션을 통해 확인된 지상 근처 바람 조건의 데이터 세트를 사용하여 머신 러닝 모델을 훈련했습니다. 이 모델은 알고리즘을 사용하여 방사성 물질이 어디에 분포될지, 전파 경로 등을 예측할 수 있었습니다.
과거 날씨 패턴 데이터로 훈련을 받은 후, 이 도구는 지속적으로 85% 이상의 예측 정확도를 달성했으며, 겨울이나 예측 가능한 날씨가 지배적인 경우 정확도가 95%에 달했습니다. 또한 이 모델은 33시간 전에 정확한 판단을 내릴 수 있다는 것도 입증되었습니다.
이 시스템은 핵 누출 사고 직후 대피하는 데 도움이 될 수 있습니다. 재난이 발생했을 때 보다 사전 예방적 조치를 취하기 위해서입니다.
인공지능, 핵에너지를 더 안전하게 만든다
마일롱은 한 대화에서 "AI는 핵무기보다 훨씬 더 위험하다"고 말한 적이 있습니다.
현재 핵 에너지 분야에서 AI를 사용하는 데 대한 초점은 보호나 안전 시험이 아니라 AI가 초래할 수 있는 위험에 맞춰져 있습니다.
실제로 AI가 무기 연구나 다른 목적으로 사용된다면 필연적으로 심각한 위협이 될 것입니다. 하지만 이 단계에서는 다음 사실을 잊지 마세요.기술이 어디에 사용되는지는 전적으로 인간의 책임입니다.
영국은 원자력 발전소에서 나오는 폐기물을 수거하고 처리하는 데 AI와 로봇을 활용하고 있다고 보고했습니다. 인간을 위험에 빠뜨리는 이 문제는 새로운 기술을 사용하면 쉽게 해결할 수 있습니다. 이는 원자력 보호를 위한 AI의 노력과 유사합니다. 두 가지 모두 사람들이 원자력 에너지를 사용할 때 마음의 평화를 얻는 것을 목표로 합니다.
어쩌면 AI가 올바른 곳에 사용되기만 한다면 핵 에너지를 억제하고 우리가 살고 있는 지구를 보호할 수도 있을지도 모릅니다.