Οι ερευνητές που χρηματοδοτούνται από την ΕΕ χρησιμοποιούν την τεχνητή νοημοσύνη για να μετασχηματίσουν και βελτιώσουν την πυρηνική τεχνολογία σε ένα ευρύ φάσμα τομέων, όπως παραδείγματος χάρη στην υγειονομική περίθαλψη, καθιστώντας τις ιατρικές σαρώσεις ασφαλέστερες, τη βελτιστοποίηση στη συντήρηση των πυρηνικών σταθμών, έως την έγκαιρη πρόβλεψη των σεισμών.
Κάθε φορά που κάνετε μια σάρωση σε ένα νοσοκομείο, τόσο εσείς όσο και οι χειριστές εκτίθεστε σε μια μικρή ποσότητα ακτινοβολίας. Για το προσωπικό του νοσοκομείου, αυτό σημαίνει μια αργή σταδιακή έκθεση σε ακτινοβολία κάθε μέρα, αυξάνοντας ελαφρώς τον κίνδυνο σοβαρών ασθενειών όπως ο καρκίνος.
«Μιλάμε για χιλιάδες ανθρώπους που εκτίθενται καθημερινά στα περισσότερα νοσοκομεία», δήλωσε ο καθηγητής Ιωάννης Δαμηλάκης, κορυφαία φυσιογνωμία στον τομέα της ιατρικής φυσικής και διευθυντής του Τμήματος Ιατρικής Φυσικής στο Πανεπιστήμιο Κρήτης. «Για αυτό πρέπει να διαχειριζόμαστε πολύ προσεκτικά τη δόση ακτινοβολίας που λαμβάνει κάθε άτομο».
Τα νοσοκομεία πρέπει να διασφαλίζουν ότι οι ασθενείς λαμβάνουν την ελάχιστη ακτινοβολία που είναι απαραίτητη για καλές εικόνες. Ωστόσο, συχνά χρησιμοποιούν μέσες τιμές για μεγάλες δημογραφικές ομάδες, επομένως ένας μικρόσωμος, λεπτός άνδρας μπορεί να λάβει την ίδια δόση με έναν ψηλό, βαρύτερο άνδρα παρόμοιας ηλικίας, πράγμα που σημαίνει ότι ο κίνδυνος είναι υψηλότερος για τον έναν ασθενή από ό,τι για τον άλλον.
ΣΩΣΤΗ ΔΟΣΗ
Για να αντιμετωπίσει αυτό το πρόβλημα, ο κ. Δαμηλάκης ηγήθηκε μιας χρηματοδοτούμενης από την ΕΕ ερευνητικής πρωτοβουλίας με την ονομασία «SiNfONiA», η οποία χρησιμοποίησε την τεχνητή νοημοσύνη για να προσαρμόσει τις δόσεις ακτινοβολίας σε μεμονωμένους ασθενείς.
«Αντί για μέσους όρους χρησιμοποιούμε σύνθετα μοντέλα», εξήγησε ο κ. Δαμηλάκης. «Η τεχνητή νοημοσύνη καθορίζει την ελάχιστη απαραίτητη δόση για κάθε ασθενή. Αυτό μπορεί να γίνει πολύ λεπτομερές. Εάν μια γυναίκα έχει υποβληθεί σε αφαίρεση μαστού λόγω καρκίνου, για παράδειγμα, το μοντέλο θα μειώσει τη δόση».
Η έρευνα «SiNfONiA», η οποία ολοκληρώθηκε τον Δεκέμβριο του 2024, είναι μόνο ένα παράδειγμα του πώς η ΕΕ υποστηρίζει την πυρηνική επιστήμη σε ένα ευρύ φάσμα τομέων όπως η υγεία, η γεωργία, η εξερεύνηση του Διαστήματος, ακόμη και η πρόβλεψη καταστροφών.
Ένα κοινό στοιχείο σε όλους αυτούς τους τομείς είναι ότι η πυρηνική τεχνολογία μετασχηματίζεται ολοένα και περισσότερο από την τεχνητή νοημοσύνη. Για να τονίσει αυτές τις εξελίξεις, η Ευρωπαϊκή Επιτροπή διοργάνωσε μία εκδήλωση με θέμα την ατομική νοημοσύνη: στο σημείο τομής της πυρηνικής έρευνας και της τεχνητής νοημοσύνης στις Βρυξέλλες του Βελγίου στις 19 Μαΐου 2025. Σε αυτή συγκεντρώθηκε μια σειρά από ερευνητικές πρωτοβουλίες που, όπως η «SiNfONiA», χρησιμοποιούν την τεχνητή νοημοσύνη για να ενισχύσουν τα αποτελέσματά τους.
ΑΣΦΑΛΕΙΑ
Στον τομέα της ασφάλειας των πυρηνικών σταθμών ηλεκτροπαραγωγής, η εύστοχα ονομαζόμενη ερευνητική ομάδα «El-Peacetolero», με επικεφαλής το Πανεπιστήμιο της Σορβόννης στο Παρίσι της Γαλλίας, χρησιμοποίησε την τεχνητή νοημοσύνη για να βελτιώσει τις επιθεωρήσεις των πυρηνικών σταθμών ηλεκτροπαραγωγής και, ως εκ τούτου, την ασφάλειά τους.
Η ομάδα, που αποτελείται από ερευνητές από τη Γαλλία, την Ισπανία και τη Γερμανία, ανέπτυξε μια φορητή συσκευή χαμηλής ισχύος, παρόμοια με πιστόλι, βασισμένη στην οπτοηλεκτρονική. Μπορεί να αξιολογήσει γρήγορα την κατάσταση των πολυμερών που χρησιμοποιούνται ως προστατευτικές, στεγανοποιητικές ή μονωτικές επιστρώσεις σε αρμούς, ηλεκτρικά καλώδια ή σωλήνες. Μπορεί επίσης να προσδιορίσει τον τύπο του πολυμερούς που χρησιμοποιείται. Η παρακολούθηση του βαθμού γήρανσης και ακεραιότητάς τους είναι ζωτικής σημασίας, αλλά αποτελεί επίσης πρόκληση στους 126 λειτουργικούς αντιδραστήρες στην ΕΕ, καθώς αυτό το είδος επιθεώρησης ήταν παραδοσιακά αργό και επίπονο.
«Πρέπει να ανοίξεις μια τρύπα, να πάρεις ένα δείγμα και να το στείλεις σε ένα εργαστήριο», δήλωσε ο Αλεχάντρο Ρίμπες Κορτές, κύριος ερευνητής στη γαλλική εταιρεία ενέργειας Électricité de France (EDF). «Μερικές φορές χρειάζονται εβδομάδες για να βγουν αποτελέσματα».
Αλλά ο χρόνος είναι μια πολυτέλεια που δεν έχουν τα συνεργεία συντήρησης. Οι πυρηνικοί σταθμοί συνήθως κλείνουν για συντήρηση μόνο περίπου έναν μήνα τον χρόνο και οποιαδήποτε καθυστέρηση μπορεί να είναι δαπανηρή.
«Μία επιπλέον ημέρα μπορεί να σημαίνει επιπλέον κόστος 1 εκατομμυρίου ευρώ», δήλωσε ο Ρίμπες Κορτές, ο οποίος εργάζεται στο EDF Lab Paris-Saclay, όπου ειδικεύεται στην ενσωμάτωση της τεχνητής νοημοσύνης σε επιστημονικές και μηχανικές εφαρμογές.
Αυτό είναι ιδιαίτερα σημαντικό για πυρηνικούς σταθμούς που βρίσκονται υπό παροπλισμό, καθώς είναι παλιοί και μερικές φορές οι ερευνητές δεν γνωρίζουν ακριβώς τι είδους πολυμερές χρησιμοποιήθηκε.
«Εκπέμπει φως LED και λέιζερ στον στόχο», δήλωσε ο Ρίμπες Κορτές. «Από το ανακλώμενο φως μπορούμε στη συνέχεια να εξαγάγουμε πληροφορίες για να προσδιορίσουμε το ακριβές υλικό που χρησιμοποιείται».
Οι αλγόριθμοι τεχνητής νοημοσύνης συγκρίνουν το ανακλώμενο φως με τη φωτεινή υπογραφή μιας σειράς πολυμερών, επιτρέποντας ταχύτερη και ακριβέστερη αναγνώριση από ό,τι ήταν δυνατό πριν.
Από το άρθρο του Τομ Κασάουερς. Η έρευνα σε αυτό το άρθρο χρηματοδοτήθηκε από το πρόγραμμα «Horizon» της ΕΕ και πρωτοδημοσιεύτηκε στο «Horizon, the EU Research and Innovation magazine». Οι απόψεις των συνεντευξιαζόμενων δεν αντικατοπτρίζουν απαραιτήτως εκείνες της Ευρωπαϊκής Επιτροπής.
