核物質の分析スピードアップのためのAI活用を科学者たちが検討

オリジナル記事「Scientists Investigate Use of AI to Speed Analysis of Nuclear Materials」

科学者たちは人工知能と強力なコンピューティングを活用し、爆発や事故、産業廃棄物などの原子力事象に関する重要な詳細を当局が迅速に知るための第一歩を踏み出した。

使用された物質の出所を突き止めるといった重要な要件を含め、核爆発のような出来事の背後にある詳細を特定するには、実験室での骨の折れる作業が必要だ。核反応や化学反応のラッシュが起こり、何百もの同位体や化合物が生成され、あるものはすぐに消滅する。分子パズルのピースをすべて組み合わせて、何が起こったのかを確認することは、長く退屈なプロセスである。

今回、エネルギー省のパシフィック・ノースウェスト国立研究所（PNNL）の科学者たちは、生成AIと機械学習、そしてマイクロソフトのクラウド・コンピューティング・リソースを活用し、分析をいかに早めることができるかを示した。研究者たちは、核爆発による放射性瓦礫の混合物を分析する際に科学者たちが直面する複雑な化学的疑問のいくつかを、AIが解決するのに役立つことを示した。

より迅速な実験室試験

永続的な目標は、核爆発に関する重要な情報を特定するプロセスをスピードアップし、さらに迅速に答えを出すことである。この研究は、そのために必要な化学的ステップにさらに優先順位をつけ、的を絞ることで、最終的に実験室での所要時間を短縮し、その目標に向けた重要な一歩となる。

	核爆弾や核デブリに関する研究は、パシフィック・ノースウェスト国立研究所の核鑑識に関する大規模かつ継続的なプログラムの一部である。同研究所は、核物質や放射性事象を分析する国家にとって重要な役割を担っている。(イラスト：クリス・デグラーフ｜パシフィック・ノースウエスト国立研究所)

モデリング研究の結果は、Physical Chemistry Chemical Physics誌に掲載された。また、PNNLの研究者たちは、この春に開催されたMethods and Applications of Radioanalytical Chemistryでこの研究成果を発表した。

この研究を率いたPNNLの放射化学者、ニック・ウーナク氏は言う。「核爆発の痕跡を特定するためには、膨大な量の放射化学分析が必要です。しかし、科学者たちは、放射線レベルが高く、多くの別々の化学過程が同時に起こっている、非常に複雑な化学環境に直面しています。非常に複雑な化学と、多くの可能性のある実験室での実験や分析を扱うことになるのです。」

ウーナク氏は爆発後の分析プロセスを、すでに焼きあがったケーキの材料の出所と特徴を特定することに例えている。卵はどこの農場から来たのか？何個使われたのか？小麦粉はグルテンフリーか？ケーキを焼くのに使われたオーブンの種類は？などなど。単純なケーキにこれほど多くの質問ができるのであれば、核爆発が起きた後の疑問は想像に難くない。

PNNLは、米国政府の核鑑識能力を管理する国立研究所と法執行機関のグループの一員である。PNNLとその他の機関は、システムの他の部分によって解釈される情報を提供し、重要な帰属と決定を下す。

この研究では、PNNLチームは破片の中に存在しそうな化学形態を提示し、その後の化学反応について基本的な質問をした。どのような反応が起こりやすいのか？目の前の疑問に答えるためには、どのような実験室での実験が必要なのか？どの実験を最初に行うべきか？

核爆発の残骸には、周期表の大部分を含む多くの元素が含まれており、それらの多くにはいくつかの異なる化学形態がある。ウラン、ストロンチウム、鉄、セリウムなどが含まれる。分析には、硝酸のような水溶液に物質を入れ、各成分についてより詳しく知るために一連の面倒な化学分離を行うことがよくある。

事故、爆発、放出などの原子力事象が発生した場合、化学が分析の中心となる。写真クレジット：ニック・ウーナク氏/PNNL。

今回の研究では、研究チームはAIを活用したハイパフォーマンスコンピューティングにより、複雑な計算化学をシミュレートし、いくつかの化学的性質を決定した。これには安定定数の計算も含まれる。これらの数値は、分子複合体を形成するイオンや分子間の結合の強さ、これらの複合体がくっついたり離れたりする可能性、そしてこのような複雑な系におけるエネルギーの流れを科学者が理解するのに役立つ。このような多くの計算が組み合わされることで、科学者たちは化学分離を指示することができ、彼らが見ているもの、起こったこと、物質がどこから来たのかを正確に理解することができる。

研究チームは、AIモデルが膨大な数の可能性のある分子の組み合わせを探索し、その特性を計算できることを示した。

「生成AIは、人間には難しい方法で、一度に多くの次元の計算を行います」と、計算化学者で論文の著者であるハディ・ディンパジョー氏は語った。「このモデルによって、あらゆる可能性を探る時間を大幅に短縮することができます。

PNNLの科学者たちは、AIによるこの種の化学分離モデリングは、原子力科学に関わる他の問題にも役立つと考えている。その一例が、ガンやその他の健康状態の診断に使われるモリブデン-99などの医療用アイソトープの製造である。モリブデン-99は核分裂プロセスで生成されるため、研究チームが探求しているような化学分離が必要となる。

産業界と手を組む

数学は困難だ。この数学に取り組むため、PNNLはマイクロソフトと組み、クラウド・コンピューティング・リソースであるAzure Quantum Elementsを導入した。このシステムには、230個のエヌビディアH100 GPUを含む、エヌビディアの強力なコンピューターチップが利用された。他のコンピューティングリソースと合わせると、チームは55テラバイトのRAMを使用して、核爆発後に発生する長い分析の連鎖の1ステップに過ぎない解析を行った。

PNNLとマイクロソフトの共同研究の技術管理は、コンピューター科学者のポール・リガー氏が担当した。彼の専門知識が、プロジェクトの研究需要とマイクロソフトが提供するコンピューティング・インフラのギャップを埋めた。

「この最初の論文はベイビーステップですが、重要な一歩です」とウーナック氏は言う。「分析プロセスをスピードアップするために我々ができることは何でもやるのです。」

核爆弾と核デブリに関する研究は、PNNLにおける核鑑識に関する大規模かつ継続的なプログラムの一部である。この研究所は、核爆発に関わる複雑な科学を含め、核物質や放射性物質を分析する国家能力の重要な構成要素である。

論文の著者には、ウーナク、ディンパジョー、PNNLの科学者リチャード・オーバーストリート、ロリ・メッツ、ニール・ヘンソン、ニリ・ゴビンド、アンドリュー・リッツマン、元インターンのグレタ・ハイタワーが含まれる。

この研究はPNNLが2年間のGenerative AI for Science, Energy, and Security Science and Technology投資を通じて支援したものである。生成AIで活動しているPNNLの研究者は、自律的実験、予測的フェノミクス、サイバーセキュリティ、核セキュリティ、送電網の近代化と回復力などの分野で45のプロジェクトを実施している。

この研究は、PNNLのAIセンターとCenter for Continuum Computingからも資金提供を受けている。

この記事はPNNLが発表したもので、許可を得て転載している。