確率論的リスク評価手法へのAI技術活用の最前線,3; 機械学習を活用した動的PRAと不確かさ評価手法の高度化

Cutting edge of application of AI technology to PRA, 3; Advancement of approaches to dynamic PRA and uncertainty quantification using machine learning

Zheng, X. ; 玉置 等史 ; 柴本 泰照 ; 丸山 結 

Zheng, X.; Tamaki, Hitoshi; Shibamoto, Yasuteru; Maruyama, Yu

原子力産業界では、プラント運転パフォーマンスの向上や原子力発電によるリスクの低減させるため、人工知能・機械学習(AI/ML)技術の研究と活用が進められている。原子力機構(JAEA)では、AI/ML技術を活用し、シビアアクシデントと確率論的リスク評価(PRA)の研究の高度化を行っている。数値シミュレーションに基づく動的PRAや事故時のソースタームの不確かさ評価を効率的に実施するため、機械学習で訓練した代替評価モデル等を導入することにより、炉心損傷頻度(条件付き炉心損傷確率)やソースタームの確率分布と重要度に関する情報を得ることができた。原子力安全の継続的な改善に向けて合理的な意思決定を実施するため、AI/MLを活用することにより、効率的にリスク情報と不確かさ情報を提供することが期待できる。

The nuclear industry is expressing a growing interest in the research and use of artificial intelligence and machine learning (AI/ML) technology to improve plant operational performance and reduce the risks associated with nuclear power generation. JAEA is applying the AI/ML technology to advancing researches on severe accidents and probabilistic risk assessment (PRA). To efficiently perform dynamic PRA and uncertainty quantification of source terms, both simulation-based, we are introducing surrogate models trained via machine learning to estimate core damage frequency (conditional core damage probability), to obtain information about the probability distribution of source terms and importance ranking of parameters. AI/ML can be expected to efficiently provide risk and uncertainty information to make rational decisions for the continuous improvement of nuclear safety.