昨日郭董再次拋出核能政見，當選總統後要重啟核四，並期盼導入AI技術來落實核能安全

光憑這句話就比只會喊沒有核安就沒有核電的另一位好太多了...

不過用AI來輔助核能技術的發展已經不是什麼新鮮事啦，尤其是在2010年初期類神經網路
CNN,RNN等技術有更突破性的發展後，例如醫學影像診斷技術，植物病蟲害的檢測技術，
以及核電廠的管理。

其中核電廠的管理在自動化、電廠運作條件最適化、機台預診斷、爐內運轉模型建構、反
應爐設計等等，當然也因此在核能安全與輻射防護面向上也得以更加進步，透過大量的數
據與機器學習的模型建構，都可以省去以往人力分析與檢查的大量時間與精力，也可以讓
電廠大修時更有效率，例如，控制棒驅動機構 (CRDM) 線圈電流容易受到金屬沉積物堆積
的影響，這可能使燃料棒鬆脫從夾具上掉落，從而導致停機，以往識別異常電流需要數百
人小時評估數千次測量，但機器學習可以達成近 96% 的準確率檢測異常。

另外也可以省去龐雜的溝通與文件作業，例如快速的語音和手勢識別也可以簡化流程並提
高效率，自然語言處理可以與機器學習相結合，以複製分析事件報告和生成結果的人類決
策過程，或用於資料審查上。

但在導入AI的挑戰上也確實不少，例如資安問題、 模型的解釋性、置信度和穩健性(AI模
型常常只能看到頭尾)、或是核能管制單位能否與時俱為這些新科技提供更即時的標準與
驗證服務，都需要一一來克服

除此之外，最近美國國家實驗室Argonne Lab也刊出一篇結合AI與核能技術的成功案例，
主要負責人想當難得，是來自台灣清大畢業的Wei Ying Chen博士(下圖)，透過AI的導入
，發展以深度學習為基礎的MOT演算法，團隊可以更有效的提取影像素材，分析各式材料
在不同能量條件下的反應，進而找到最適合的反應爐材料設計，對於先進反應爐的開發與
既有反應爐的更新汰換非常有幫助。期待相關的技術在台灣也有機會實現。