重なり合う特徴分布をもつコンパクト溶融塩熱交換器における初期異常検知のための説明可能な機械学習

原子炉を健全に保つことが重要な理由

現代の原子力発電はよりクリーンな電力を約束しますが、それは主要部品が健全で信頼できる場合に限られます。最も脆弱な部品の一つが熱交換器であり、原子炉の高温流体から二次ループへ熱を移して最終的にタービンを回す金属製の“ラジエーター”です。この装置内部の通路が詰まり始めて固化すると性能が低下し安全余地が縮小しますが、初期の警告サインは非常に微妙であり、従来の監視では見逃されがちです。本稿では、センサーを多く備えた新しい熱交換器設計と説明可能な人工知能を組み合わせることで、操作者が対処できる段階でそうした微弱な危険信号を検出できる可能性を探ります。

新しいタイプの原子力ラジエーター

本研究は水の代わりに液体塩を熱輸送媒体として用いる次世代の溶融塩冷却炉に焦点を当てています。これらの塩は非常に高温でかつ低圧で運転できるため、効率と安全性の利点があります。しかし欠点として、熱交換器内部の細いチャネルで部分的に固化して閉塞を起こしやすい点があります。今日のプラントでは主に装置の入口と出口の温度や圧力を監視していますが、これは全身の健康を手首や足首の体温だけで判断するようなもので、わずかなチャネル閉塞はこうした全体的な計測値をほとんど変化させず、標準的な監視をすり抜けてしまいます。

光で熱を“聴く”

この盲点を克服するために、著者らは薄い金属板で仕切られた平行管の緊密に詰められたアレイからなるコンパクトな“マトリックス”熱交換器を提案します。これらの板の縁に光ファイバーケーブルを配し、数百の小さな温度計として機能させる構想です。ファイバーに送られた光パルスは散乱して、数ミリごとの温度を明らかにします。この分布型温度センシングにより熱交換器表面が詳細な温度マップに変わり、部分的に閉塞したチャネルは隣接する金属に小さな温かさや冷たさの指紋を残し、それが検出可能になります。

微かなトラブルを見つける機械を教える

この概念はまだ開発段階にあるため、チームは高忠実度の数値シミュレーションを用いて熱交換器が正常動作時および複数の故障シナリオ時にどのように振る舞うかを模擬しました。軽度・中等度・重度の異なる閉塞度合いをモデル化し、実際のセンサー実験から得た現実的な計測ノイズも付加しました。重要なのは、シミュレーションのケースのうち故障を含むものは約3%にすぎず、実際の問題の稀さを反映して強く不均衡なデータセットになっている点です。多くの初期故障ケースでは、健全なチャネルと不健全なチャネルの温度パターンがほとんど重なり合い、先進的なアルゴリズムでも区別が難しくなっていました。

最良のデジタル番犬を見つける

研究者らは単純なロジスティック回帰からニューラルネットワーク、高度なツリー系“アンサンブル”モデルまで、8種類の一般的な機械学習手法を比較しました。各モデルの正答率だけでなく、誤報で操作者を混乱させずに稀な故障ケースをどれだけ扱えるかも評価しました。その結果、Extreme Gradient Boosting（XGBoost）が最も信頼できる番犬として浮上しました。XGBoostは特に重度の閉塞を認識する点で強く、通常の挙動と区別する能力に優れており、最も難しい軽度閉塞でも競合より良好な性能を示しました。重要なのは、その予測がリアルタイムで動作するのに十分高速であり、産業用制御システムの更新サイクルに収まる点です。

安全のためにブラックボックスを開く

原子力システムは安全性が極めて重要なため、チームは単なる精度を超えてモデルが各決定をなぜ下したかを問いただしました。彼らは二つの手法を組み合わせました：各入力（特定の温度計測値やセンサー位置など）が予測を「正常」あるいは「故障」へどれだけ押しやるかを測るシャプレー値（Shapley値）、そして影響があまりに似通っていて自信を持って順位付けできないときに特徴をまとめる部分順序集合（partially ordered sets）です。このハイブリッド手法により、ある特定の分布型出口温度計測が一貫して最も情報量の多い手がかりであることが明らかになった一方で、初期の微妙な故障では複数のセンサーを合わせて考える必要がある場合も示されました。最も強い信号と不確実なグレーゾーンの両方を明示することで、操作者がモデルを盲信することなく信頼できるようにしています。

将来の原子炉にとっての意義

平たく言えば、本研究は細かな光ファイバー温度センシングと慎重に選ばれた説明可能な機械学習モデルを組み合わせることで、先進的な原子力熱交換器内部の閉塞の最初期兆候を捉えられることを示しています。大きく明白な性能低下を待つのではなく、わずか数本のチャネルが異常を示し始めた段階で操作者に警報を出し、装置のどの部分が疑わしいか、どのセンサー値がその判断を導いたかを可視化できます。ハードウェア化が実現すれば、このアプローチは保守費用の削減、計画外停止の低減、次世代原子力発電所への追加的な安全層の提供につながる可能性があります。

引用: Prantikos, K., Lee, T., Hua, T.Q. et al. Explainable machine learning for incipient anomaly detection in compact molten salt heat exchanger with overlapping feature distributions. Sci Rep 16, 8293 (2026). https://doi.org/10.1038/s41598-025-27112-8

キーワード: 溶融塩炉, 熱交換器モニタリング, 異常検知, 光ファイバー温度センシング, 説明可能な機械学習