In het hart van een kerncentrale speelt zich een constante, hooggespannen race af tussen de snelheid van fysieke verandering en de snelheid van menselijke reactie. De reactor kern is een plek van immense energie, waar minuscule deeltjes botsen en splitsen, waarbij warmte vrijkomt die met absolute precisie beheerd moet worden. Als de stroom van neutronen—de deeltjes die de reactie aandrijven—zelfs maar licht uit balans raakt, kan de temperatuur plotseling stijgen, of kan de reactie stilvallen, wat potentieel kan leiden tot een gevaarige noodstop. Om dit te voorkomen, vertrouwen ingenieurs op digitale tweelingen: virtuele kopieën van de reactor die in realtime draaien en voorspellen wat er hierna zal gebeuren op basis van wat er nu gebeurt. Het is echter een bijna onmogelijke taak geweest om een digitale tweeling te creëren die zowel snel genoeg is om deze fracties van seconden te vangen als accuraat genoeg om de strikte wetten van de fysica te volgen. Traditionele computermodellen die elk detail van de reactor simuleren zijn te traag om in realtime te draaien, terwijl nieuwere kunstmatige intelligentie-instrumenten weliswaar snel zijn, maar vaak antwoorden verzinnen die de natuurwetten schenden door energieniveaus te voorspellen die niet kunnen bestaan.

De zaak wordt verder bemoeilijkt door de vraag van veiligheid en vertrouwen. De gegevens die uit een reactorkern stromen zijn zo gevoelig dat ze meestal op een computer worden bewaard die volledig losgekoppeld is van de buitenwereld, een barrière die bekend staat als een 'air gap'. Het versturen van deze gegevens naar een publieke cloud voor snellere verwerking introduceert nieuwe risico's, aangezien hackers de informatie potentieel kunnen onderscheppen of, erger nog, het systeem kunnen misleiden om een gevaarlijke beslissing te nemen. Onderzoekers zoeken al lang naar een manier om de snelheid van de cloud en de intelligentie van moderne kunstmatige leerprocessen naar de nucleaire veiligheid te brengen, zonder de fysieke wetten die de reactor beheersen te breken of de beveiligingsbarrières die de reactor beschermen te schenden.

Een onderzoeker heeft nu een oplossing voorgesteld genaamd NuTwin, een systeem dat ontworpen is om deze kloof te overbruggen door een specifiek type kunstmatige intelligentie te combineren met een fort-achtige beveiligingsarchitectuur. De kern van hun innovatie ligt in de manier waarop de computer leert. In plaats van een standaard kunstmatige intelligentie de toekomst te laten raden op basis van alleen historische gegevens, dwong de onderzoeker het systeem om de werkelijke vergelijkingen te leren die beschrijven hoe een kernreactor zich gedraagt. Ze bouwden een model dat de relatie begrijpt tussen het aantal neutronen, de concentratie van specifieke bijproducten genaamd vertraagde neutronenprecursoren, en de temperatuur van de brandstof en het koelmiddel. Door deze natuurwetten direct in het leerproces te verankeren, kan het systeem geen voorspelling doen die de behoud van energie of de bekende dynamiek van de reactor schendt. Het is niet alleen het memoriseren van patronen; het is het oplossen van een puzzel waarbij de regels vaststaan en onveranderlijk zijn.

Om ervoor te zorgen dat dit slimme systeem veilig in een publieke cloudomgeving gebruikt kon worden, wikkelde de onderzoeker het in een laag van cryptografische isolatie. Er werd gebruikgemaakt van een technologie die bekend staat als een 'confidential computing enclave', die fungeert als een beveiligde, tijdelijke kamer binnen een grotere computer. In deze opstelling stroomt de data van de reactor naar de cloud, maar het komt terecht in een vergrendelde kamer waar de verwerking plaatsvindt. Deze kamer heeft geen harde schijf om gegevens op te slaan en geen netwerkverbinding met de buitenwereld terwijl hij werkt. Zodra de berekening is voltooid, worden de resultaten teruggestuurd en wordt de kamer schoongeveegd, waardoor geen enkel spoor van de gevoelige informatie achterblijft. Dit ontwerp zorgt ervoor dat zelfs als de hoofdcomputer die het systeem host compromitterd is, de reactordata binnen de beveiligde kamer onleesbaar en onaanraakbaar blijft.

De onderzoeker testte dit systeem met behulp van een gesimuleerde reactorendomgeving die realistische omstandigheden nabootste, inclusie stabiele werking, plotselinge veranderingen in reactiviteit en noodstops. Ze vergeleken hun nieuwe systeem met twee andere benaderingen: een traditionele, trage computersimulatie en een standaard, ongecontroleerd kunstmatige intelligentiemodel. De resultaten toonden aan dat de standaard kunstmatige intelligentie inderdaad snel was, maar dramatisch faalde wanneer deze geconfronteerd werd met extreme omstandigheden, waarbij voorspellingen werden gedaan die de natuurwetten met een ruime marge schonden. In tegenstelling hiertoe behield het NuTwin-systeem een hoge mate van nauwkeurigheid, waarbij de fouten binnen een fractie van een procent bleven, terwijl het nog steeds een voorspelling leverde in minder dan een halve seconde. Deze snelheid is snel genoeg om het tempo bij te houden van de snelle veranderingen die plaatsvinden in een echte reactorkern.

Misschien wel het belangrijkste is dat de beveiligingstests bevestigden dat het systeem de gegevens succesvol isoleerde. De beveiligde enclave voorkwam elke externe toegang tot de reactorparameters tijdens de berekening, waardoor de deur effectief werd dichtgeslagen voor de cyberdreigingen die gewoonlijk voorkomen dat nucleaire gegevens de centrale verlaten. De onderzoeker heeft aangetoond dat het mogelijk is om een digitale tweeling te hebben die zowel fysiek getrouw als cryptografisch veilig is. Hoewel dit werk werd uitgevoerd met simulaties in plaats van een actieve kerncentrale, suggereren de bevindingen een levensvatbaar pad voor de toekomst van de monitoring van nucleaire veiligheid. Door te bewijzen dat natuurkundig geïnformeerde kunstmatige intelligentie veilig in de cloud kan draaien, biedt de studie een nieuwe manier om over de wereldwijde reactoren te waken, waarbij wordt gewaarborgd dat ze veilig blijven zonder dat de snelheid en het inzicht die moderne technologie kan bieden, verloren gaan.