Nucleare: da ENEA modello di intelligenza artificiale per migliorare la sicurezza

Un modello avanzato di intelligenza artificiale per migliorare i calcoli delle simulazioni di incidenti ‘severi’ nei reattori nucleari. A studiarlo è l’ENEA nell’ambito del progetto europeo ASSAS^[1] da 4 milioni di euro, coordinato dalla francese ASNR^[2], che vede la partecipazione di 14 partner di Paesi Ue, Svizzera e Ucraina.

Il modello punta a combinare analisi temporali e relazioni tra variabili per ottimizzare i calcoli del codice ASTEC^[3], il software di riferimento europeo che consente di simulare i fenomeni generati da un incidente severo in un reattore raffreddato ad acqua, dall’evento iniziale fino all’eventuale rilascio di materiali radioattivi all’esterno del contenimento.

L’obiettivo finale è rafforzare la sicurezza in caso di incidenti nucleari adottando pronte e sperimentate strategie di risposta. Questo sarà possibile grazie alla collaborazione tra ricercatori internazionali specializzati negli incidenti severi ed esperti di apprendimento automatico.

“I simulatori di reattori nucleari assistono la formazione degli operatori, la progettazione e la valutazione della sicurezza. Tuttavia, solo pochi simulatori al mondo modellizzano incidenti severi che possono comportare la fusione del nocciolo. Il progetto ASSAS punta a creare un prototipo di simulatore basato sul codice ASTEC per modellizzare, calcolare e visualizzare in tempo reale i principali fenomeni di un incidente tramite un’interfaccia grafica interattiva”, spiega il responsabile per ENEA del progetto Fulvio Mascari, ricercatore del Dipartimento Nucleare. “L’obiettivo – prosegue - è raggiungere una velocità di calcolo del codice tale da offrire agli utenti del simulatore un’esperienza di training realistica. A dimostrazione dell’impegno nella formazione delle giovani generazioni, ENEA finanzia in questo ambito una borsa di dottorato con l’Università di Bologna”.

L’upgrade del codice ASTEC consentirà di realizzare simulatori ingegneristici e in scala reale che potranno essere utilizzati per mettere a punto linee guida sulla gestione degli incidenti severi, sviluppare nuovi sistemi di sicurezza e formare gli operatori.

“I prossimi passi – conclude Mascari – prevedono la validazione dei modelli e l’integrazione di modelli fisici e tecniche di machine learning per incrementare ulteriormente l’accuratezza delle simulazioni”.