הערכת פליטת חום מבוססת למידת מכונה מתוך וידאו במהירות גבוהה במהלך רתיחה רוויה על צינור אנכי

להפוך קירור גרעיני לבטוח יותר בעזרת "עיניים" חכמות

כאשר תחנת כוח גרעינית עומדת להיסגר בחירום, היא עדיין מייצרת חום שצריך לפנותו בבטחה. הרבה מהעיצובים החדשים של כורים מסתמכים על צינורות מתכת פשוטים הנמצאים בתוך בריכות מים גדולות למשימה זו. כשמים רותחים על הצינורות הללו, דפוס הבועות חושף כמה חום מובל החוצה. אבל מדידת החום הזו בדיוק היא מאתגרת, יקרה ולעיתים איטית. המחקר הזה מראה כיצד וידאו במהירות גבוהה ובינה מלאכותית (AI) יכולים לצפות בבועות בזמן אמת ולהעריך את פליטת החום בדיוק מרשים, ומציעים דרך חדשה לנטר ולהגן על מערכות קירור קריטיות.

צינורות רותחים בלב הבטיחות

במתקנים גרעיניים מודרניים, מערכות בטיחות פסיביות תוכננו לפעול ללא משאבות או אספקת חשמל חיצונית. מרכיב מרכזי הוא צרור צינורות אנכיים טבולים במכל מים גדול. החום מן הכור עובר דרך הצינורות הללו וגורם למים מסביב להרתיח. האופן שבו הבועות נוצרות, גדלות, מתמזגות ונוטשות את המשטח קשור קשר הדוק ליעילות פינוי החום. אם פיזור החום יעלה יתר על המידה, המשטח עלול להתחמם באופן פתאומי ולסכן את שלמות המערכת. מסורתית, מהנדסים מסתמכים על ניסויים מורכבים ונוסחאות מתמטיות להערכת "פליטת החום" הזו, אך שיטות אלה דורשות עבודה רבה ועלולות להתקשות כשהרתיחה הופכת לתזזיתית מאוד.

מבועות רותחים לטביעות דיגיטליות

כדי להתמודד עם האתגר הזה, החוקרים בנו התקן מעבדה ייעודי שמדמה את תנאי ההרתחה על צינור אנכי במערכת קירור של כור. צינור מנירוסטה מחומם ממוקם בתוך מכל שקוף מלא מים, מוקף בחיישנים שעוקבים בקפידה אחרי טמפרטורות ועוצמת חשמל. במקביל מצלמת מהירות גבוהה מקליטה את ההרתחה באלפי פריימים לשנייה, ולאחר מכן הווידאו מצומצם למהירות סטנדרטית לצורך ניתוח. הצוות אימת כי התנהגות ההרתחה ונתוני העברת החום שלהם תואמים ניסויים מוכרים של קבוצות אחרות, כדי להבטיח שהחומרים והתצפיות באמת מייצגים תנאי אמת.

להלמד את ה-AI לקרוא את ההרתחה

הליבה של העבודה היא צנרת ראיית מחשב שהופכת וידאו גולמי לאומדני חום. כל וידאו נחתך לקטעים קצרים של 16 פריימים, הלוכדים כיצד הבועות משתנות בחלקי שנייה. החוקרים משתמשים בטכניקה שנקראת זרימת אופטית (optical flow) כדי להבליט איפה התנועה חזקה ביותר, וכך למקד את תשומת לב ה-AI לאזורים הדינמיים ביותר. קטעים אלה מוזנים לרשת ניתוח וידאו מתקדמת הידועה כ-I3D, שאומנה במקור על פעולות אנושיות יומיומיות והותאמה כאן לזהות רמות הרתחה שונות. במקום למדוד ידנית גדלי בועות או לספור מוקדי הנצה, הרשת לומדת דפוסים חזותיים מקוריים שלה המקושרים לרמות חום מסוימות.

כמה טוב המערכת החכמה מתפקדת

מאגר הנתונים מכסה שבע רמות חום מובחנות, מרתיחה עדינה ועד בועות סוערות מאוד. המחברים חילקו את קטעי הווידאו לערכות אימון, אימות ובדיקה כדי להימנע מהתאמה-יתר ולשפוט ביצועים באופן הוגן. לאחר כיוונון, מודל I3D סיווג נכון את רמת החום כ-88% מהקטעים במערכת הבדיקה, עם שגיאת חיזוי ממוצעת בפליטת החום של בערך 6%. המודל הצטיין במיוחד ברמות חום נמוכות ובינוניות, שם דפוסי ההרתחה נקיים יותר, ושמר על דיוק סביר גם ברמות גבוהות יותר שבהן הבועות אינטראקטיביות ומצטלבות באופן כאוטי. בהשוואה לרשתות תלת-ממדיות פופולריות אחרות, I3D סיפקה בעקביות את השילוב הטוב ביותר של דיוק וחוסן.

מדוע הגישה הזו חשובה

במקום להחליף מודלים פיזיקליים מפורטים, שיטה מונחית-בינה זו מציעה דרך חדשה ולא חודרנית לנטר הרתחה בזמן אמת פשוט על ידי "צפייה" במים. מכיוון שהיא מסתמכת על וידאו במקום על חיישנים נוספים או מתקני ניסוי רחבי היקף ומורכבים, היא עלולה להפוך הערכות בטיחות למהירות, זולות וגמישות יותר להתאמה לעיצובים שונים. במתקנים גרעיניים, שבהם הבנת הסרת החום יכולה להיות ההבדל בין כיבוי מבוקר לתאונה חמורה, כלי כזה יכול לסייע למפעילים לעקוב מקרוב אחר מרווחי הבטיחות, במיוחד באירועים נדירים כמו אובדן אספקת הכוח הכולל. מעבר לאנרגיה גרעינית, רעיון דומה — שימוש בניתוח וידאו חכם לקריאת העברת חום מתוך דפוסי בועות — יכול לסייע בעיצוב מחליפי חום, מערכות קירור ותעשיות נוספות התלויות בהרתחה.

ציטוט: Sha, B.B., Thakare, K.V., Kar, S. et al. Machine learning-based heat flux estimation from high-speed video during saturated pool boiling over vertical tube. Sci Rep 16, 9038 (2026). https://doi.org/10.1038/s41598-026-35147-8

מילות מפתח: רתיחת בריכה, הערכת פליטת חום, בטיחות גרעינית, הקלטה במהירות גבוהה, למידה עמוקה