Dette amerikanske nationale laboratorium henvendte sig til AI for at jage useriøse atomvåben

Dette amerikanske nationale laboratorium henvendte sig til AI for at jage useriøse atomvåben

Tidsstempel: 29. marts 2023 kl. 9
Dette amerikanske nationale laboratorium henvendte sig til AI for at jage useriøse atomvåben PlatoBlockchain Data Intelligence. Lodret søgning. Ai.

Forskere ved America's Pacific Northwest National Laboratory (PNNL) udvikler maskinlæringsteknikker for at hjælpe Feds med at slå ned på potentielt useriøse atomvåben.

Det er tilstrækkeligt at sige, at det generelt er ulovligt for enhver person eller gruppe at eje et atomvåben, bestemt i USA. Ja, der er de fem officielt anerkendte atombevæbnede nationer - Frankrig, Rusland, Kina, Storbritannien og USA - hvis regeringer har en beholdning af disse enheder. Og der er lande, der har underskrevet FN's Traktat om forbud mod atomvåben, hvilket betyder, at de har lovet ikke at "udvikle, teste, producere, erhverve, besidde, oplagre, bruge eller true med at bruge" disse gadgets.

Så hvis nogen har en atomvåben i deres besiddelse, er det fordi de er et land i den officielle atombevæbnede klub, de er en regering, der har produceret sine egne atomvåben, en terrorist, der stjal, købte eller på en eller anden måde selv byggede en eller en anden. sketchy scenarie, i hvert fald i amerikanske øjne.

(Hvorvidt stjålne eller ikke-godkendte nukleare sprænghoveder er noget, der er værd at bekymre sig om, eller bare en Tom Clancy-drevet dagdrøm, er et emne, vi lader stå til en anden dag, eller kommentarsektionen.)

Opdagelse af tegn på uønsket nuklear aktivitet afhænger af at være i stand til korrekt at analysere de kemikalier og den infrastruktur, der kræves for at fremstille disse specialiserede dommedagsvåben. Steven Ashby, direktør for PNNL, beskrev, hvordan det amerikanske energiministerium-finansierede laboratorium bruger maskinlæring til at identificere nukleare trusler.

Og ikke bare identificere: teknikkerne gør det muligt at opfange "trusler hurtigere og nemmere" end før, får vi at vide.

En metode, som bruger en autoencoder-model, behandler billeder af radioaktivt materiale for at finde ud af, hvor det kom fra, og hvordan det blev lavet. Softwaren producerer en signatur eller fingeraftryk af prøven og sammenligner dette med en database med elektronmikroskopbilleder taget fra universiteter og andre nationale laboratorier. 

Ved at se på, hvor ens disse partikler er til billedbiblioteket, kan analytikere vurdere, hvor ren den ukendte prøve er, og spore dens kildemateriale til mulige laboratorier, der fremstiller de nukleare produkter. Det er nyttigt, hvis du vil vide, om materialet er godt nok til at skabe et levedygtigt atomvåben, og hvem der står bag det. Ashby sagde, at PNNL's arbejde her havde hjulpet retshåndhævelsen med at komme ind på mål og fremskynde efterforskningen.

Som laboratoriet udtrykte det, "vil radioaktivt materiale have en unik mikrostruktur baseret på miljøforholdene eller renheden af ​​kildematerialerne på dets produktionsanlæg." Den unikke struktur, ved hjælp af software, kan bruges til at lukke ind på, hvilket laboratorium eller fabrik, der producerede den, eller det får vi at vide.

Det Internationale Atomenergiagentur overvåger nukleare oparbejdningsanlæg i ikke-atombevæbnede stater for at sikre, at de f.eks. bortskaffer plutonium, der er genereret i atomkraftværker, korrekt og ikke i hemmelighed gemmer metallet for at producere våben. 

Embedsmænd overvåger disse faciliteter på forskellige måder fra personlige inspektioner til prøveanalyse af ressourcer. En anden teknik, der i øjeblikket er under udvikling hos PNNL, involverer træning af transformerbaseret software til direkte at spore aktiviteten i nukleare oparbejdningslaboratorier og automatisk spotte mistænkelig adfærd.

Først bygges en virtuel replika, der simulerer et oparbejdningsanlæg. De data, der genereres af denne model, der sporer "vigtige tidsmæssige mønstre", bruges til at træne modellen. Den forudsiger, hvilke mønstre der skal observeres fra forskellige områder inden for en plante, hvis den bliver brugt til fredelige formål, og hvis de data, der faktisk er indsamlet fra en facilitet, ikke stemmer overens med modellens forudsigelser, kan eksperter tilkaldes til at undersøge nærmere.

"Vores eksperter kombinerer ekspertise inden for nuklear ikke-spredning og kunstig ræsonnement for at opdage og afbøde nukleare trusler. Deres mål er at bruge dataanalyse og maskinlæring til at overvåge nukleare materialer, der kunne bruges til at producere atomvåben," Ashby sagde.

Disse automatiserede metoder bruges dog kun til at opdage tegn på mulige ulovlige nukleare aktiviteter. Menneskelige eksperter mangler stadig at verificere og bekræfte rapporter.

"Maskinlæringsalgoritmer og computere vil ikke erstatte mennesker med at opdage nukleare trusler på et øjeblik. Men de kan gøre det muligt for folk at opdage vigtig information og identificere risici hurtigere og nemmere,” konkluderede han. 

Registret har bedt PNNL om yderligere kommentarer og oplysninger. Vi formoder, at nogle detaljer kan holdes vage af sikkerhedsmæssige årsager. ®

Tidsstempel:

Mere fra Registret