Algorithmus erkennt Materialschäden bei Kernreaktoren

Neuer Ansatz bei der Erkennung und Analyse soll erfolgreicher sein als der Mensch. [...]

Neuer Ansatz erkennt winzige Defekte. (c) wisc.edu
Neuer Ansatz erkennt winzige Defekte. (c) wisc.edu

Forscher der University of Wisconsin-Madison haben in Zusammenarbeit mit Kollegen des Oak Ridge National Laboratory Computer trainiert, damit diese mikroskopisch kleine Strahlenschäden von Kernmaterialien erkennen. Bei dieser komplexen Aufgabe konnten die Computer ihre menschlichen Kontrahenten ausstechen. Diese Materialien sollen beim Design von Kernreaktoren zum Einsatz kommen.

Menschliche Analyse fehleranfällig

Maschinelles Lernen hat das große Potenzial, den gängigen Ansatz der mikroskopischen Analyse zu transformieren“, sagt Wei Li von der University of Wisconsin-Madison. Die Wissenschaftler haben maschinelles Lernen eingesetzt, um Künstliche Intelligenz (KI) für die Analyse von Schäden potenzieller Kernmaterialien noch besser zu wappnen als das menschliche Personal. Beim maschinellen Lernen kommen statistische Methoden zur Anwendung, welche die Computer bei der Verbesserung ihrer Performance anleiten, ohne dass ein menschliches Zutun erforderlich ist.

Bisher waren Bildverarbeitungsalgorithmen immer von menschlichen Programmierern abhängig, die explizite Deskriptoren der Identifizierungsmerkmale eines Objektes zur Verfügung stellen. „Die Analyse und Identifikation durch einen Menschen ist fehleranfällig, inkonsistent und ineffektiv“, schildert Dane Morgan von der University of Wisconsin-Madison.

Trefferquote von 86 Prozent

Die Wissenschaftler haben sich das maschinelle Lernen zunutze gemacht, um die Bilder der Elektronenmikroskopie rasch zu durchforsten. Dabei wurden Materialien unter die Lupe genommen, die zuvor einer Strahlung ausgesetzt worden waren, um einen eigenen Schädigungstypus festzustellen. Das Forschungsteam hat ein neuronales Netzwerk in Kombination mit einem maschinellen Lern-Algorithmus darin trainiert, diesen speziellen Schaden, die sogenannten Versetzungen, zu erkennen. In


Mehr Artikel

Case-Study

Mit KI gegen die Papierflut

90 Prozent aller Arztrechnungen gehen zur Kostenerstattung auch heute noch auf dem Postweg bei den österreichischen Sozialversicherungsträgern ein. Gleichzeitig steigt die Zahl der Erstattungsfälle von Jahr zu Jahr. Ein von der IT-Services der Sozialversicherung (ITSV) und Cloudflight entwickeltes KI-System zur teilautomatisierten Kostenerstattung von Arztrechnungen hilft nun dabei, das eingehende Papierrechnungen digitalisiert und weiterverarbeitet werden. […]

Be the first to comment

Leave a Reply

Your email address will not be published.


*