跟踪神经网络的跟踪核线索

2022-01-09 05:00:13莫良纨导读2011年地震发生后，海啸使三座福岛第一核电站反应堆的神经电源和冷却装置瘫痪。反应堆的网络堆芯在最初的72小时内大部分融化了。那场灾难通过追踪

2011年地震发生后，线索海啸使三座福岛第一核电站反应堆的跟踪电源和冷却装置瘫痪。反应堆的神经堆芯在最初的72小时内大部分融化了。

那场灾难通过追踪核电站反应堆泄漏后的网络放射性碘，激发了PNNL计算科学家的线索灵感，以寻找未来核反应堆事故的跟踪线索。

大多数核事故将放射性碘释放到大气中，神经可以被人体吸收。网络当甲状腺细胞吸收过多的线索放射性碘时，会发展为癌症。跟踪迄今为止，神经甲状腺癌是网络大剂量放射性碘对人类的最大风险。

PNNL数据科学家詹娜·波普(Jenna Pope)表示：“但是，如果您知道放射性碘即将来临，就很容易进行预防。” “作为预防措施，可以服用碘化钾片剂，防止放射性碘被吸收。”

充分注意半衰期

教皇领导了一项研究，该研究试图预测放射性碘将如何与环境中的水和其他分子发生反应。这项研究发表在化学学会的《欧米茄》杂志上，是PNNL的化学动力学计划的一部分。

面向数据的任务特别具有挑战性，因为放射性碘的半衰期仅为八天。

计算化学家波普说：“通过实验跟踪放射性碘的去向可能很困难，因为它会很快消失，”他最近接受了深度学习来解决现实世界中的化学问题。“因此，我们希望开发一种基于深度学习的系统，以预测放射性碘将最终以何种浓度终止于何种分子。”

递归神经网络有助于做出预测

该研究小组使用了一种递归神经网络(RNN)(一种人工智能算法)来预测碘与水会发生什么反应，然后发生什么分子进化。在这种情况下，研究人员使用了时间序列建模的化学浓度数据。

教皇说，RNN能够预测放射性碘成分的浓度将随着时间变化。

“我们证明，实际上您可以使用递归神经网络来跟踪浓度随时间的变化，并预测在核电站发生事故后将出现哪种化学物质，”波普说。

教皇说，神经网络为化学预测问题提供了很好的替代模型，其中数据可用，但其潜在机制尚不清楚。

不只是放射性碘

教宗说：“该工具证明了实际上可以通过这种方法估算化学释放的概念。” “它不一定仅限于核碘反应。它取决于训练网络的任何数据。”

她还说，这种技术在现实世界中很有用，在这种情况下，科学家们利用大气传感器实时捕获数据，以检查核反应堆事故后碘在环境中的转移。化学品的识别可能不确定，但是可以随时间追踪其浓度。然后可以使用神经网络对未知化学物质进行准确的短期预测。