이 미국 국립 연구소는 악성 핵무기를 사냥하기 위해 AI로 전환했습니다.

미국 PNNL(Pacific Northwest National Laboratory)의 연구원들은 Feds가 잠재적으로 악의적인 핵무기를 단속하는 데 도움이 되는 기계 학습 기술을 개발하고 있습니다.

말할 것도 없이 미국에서는 개인이나 집단이 핵무기를 소유하는 것이 일반적으로 불법입니다. 예, 공식적으로 인정된 XNUMX개 핵무장국(프랑스, 러시아, 중국, 영국, 미국)이 있으며 이들 국가의 정부는 이러한 장치를 숨겨두고 있습니다. 그리고 UN'에 서명한 국가들이 있습니다. 핵무기 금지 조약즉, 이러한 장치를 "개발, 테스트, 생산, 획득, 소유, 비축, 사용하거나 사용하겠다고 위협"하지 않겠다고 약속했다는 의미입니다.

따라서 누군가가 핵무기를 소유하고 있다면 그것은 그들이 공식 핵무장 클럽에 속한 국가이고 자체 핵무기를 생산한 정부이거나 스스로 핵무기를 훔치거나 구입하거나 어떻게든 건설한 테러리스트이거나 다른 사람이기 때문입니다. 적어도 미국의 눈에는 대략적인 시나리오입니다.

(도난당했거나 승인되지 않은 핵탄두가 걱정할 가치가 있는 것인지 아니면 Tom Clancy가 백일몽에 불을 지핀 것인지는 다른 날이나 댓글 섹션에 남겨둘 주제입니다.)

바람직하지 않은 핵 활동의 징후를 감지하는 것은 이러한 최후의 심판 무기를 제조하는 데 필요한 화학 물질과 기반 시설을 정확하게 분석할 수 있는 능력에 달려 있습니다. PNNL의 책임자인 Steven Ashby는 미국 에너지부가 자금을 지원하는 연구소가 기계 학습을 사용하여 핵 위협을 식별하는 방법을 설명했습니다.

단순히 식별하는 것이 아니라 기술을 통해 이전보다 "더 빠르고 쉽게 위협"을 포착할 수 있다고 합니다.

오토인코더 모델을 사용하는 한 가지 방법은 방사성 물질의 이미지를 처리하여 그것이 어디에서 왔고 어떻게 만들어졌는지 알아내는 것입니다. 이 소프트웨어는 샘플의 서명 또는 지문을 생성하고 이를 대학 및 기타 국립 연구소에서 가져온 전자 현미경 이미지 데이터베이스와 비교합니다. 

이러한 입자가 이미지 라이브러리와 얼마나 유사한지 살펴봄으로써 분석가는 미지의 샘플이 얼마나 순수한지 추정하고 소스 재료를 핵 제품을 제조하는 가능한 실험실로 추적할 수 있습니다. 이는 해당 물질이 실행 가능한 핵무기를 만들기에 충분한지 여부와 배후에 누가 있는지 알고 싶을 때 유용합니다. Ashby는 여기에서 PNNL의 작업이 법 집행 기관이 목표물에 집중하고 조사 속도를 높이는 데 도움이 되었다고 말했습니다.

연구실에서 말했듯이 "방사성 물질은 생산 시설에서 환경 조건이나 원료 물질의 순도에 따라 고유한 미세 구조를 갖게 됩니다." 그 독특한 구조는 소프트웨어의 도움으로 그것을 생산한 실험실이나 공장을 닫는 데 사용될 수 있습니다.

국제원자력기구(IAEA)는 비핵무기 국가의 핵 재처리 시설을 감시해 예를 들어 원자력 발전소에서 생성된 플루토늄을 적절하게 폐기하고 무기를 생산하기 위해 금속을 비밀리에 보관하지 않는지 확인합니다. 

공무원은 직접 검사에서 자원 샘플 분석에 이르기까지 다양한 방법으로 이러한 시설을 모니터링합니다. 현재 PNNL에서 개발 중인 또 다른 기술은 핵 재처리 실험실의 활동을 직접 추적하고 의심스러운 행동을 자동으로 발견하도록 변환기 기반 소프트웨어를 교육하는 것입니다.

먼저, 재처리 시설을 시뮬레이션하는 가상 복제본이 구축됩니다. "중요한 시간적 패턴"을 추적하는 이 모델에서 생성된 데이터는 모델을 훈련하는 데 사용됩니다. 발전소가 평화적인 목적으로 사용될 경우 발전소 내 다양한 ​​영역에서 어떤 패턴을 관찰해야 하는지 예측하고, 실제로 시설에서 수집한 데이터가 모델의 예측과 일치하지 않으면 전문가를 불러 추가 조사를 할 수 있습니다.

“우리 전문가들은 핵 비확산에 대한 전문 지식과 인공 추론을 결합하여 핵 위협을 탐지하고 완화하고 있습니다. 그들의 목표는 데이터 분석과 기계 학습을 사용하여 핵무기를 생산하는 데 사용될 수 있는 핵 물질을 모니터링하는 것입니다.” Ashby 말했다.

그러나 이러한 자동화된 방법은 가능한 불법 핵 활동의 징후를 감지하는 데만 사용됩니다. 인간 전문가는 여전히 보고서를 확인하고 확인해야 합니다.

“기계 학습 알고리즘과 컴퓨터는 가까운 시일 내에 핵 위협을 탐지하는 데 있어 인간을 대체하지 못할 것입니다. 그러나 그들은 사람들이 중요한 정보를 발견하고 위험을 더 빠르고 쉽게 식별할 수 있도록 할 수 있습니다.”라고 그는 결론지었습니다. 

등록 PNNL에 추가 의견 및 정보를 요청했습니다. 보안상의 이유로 일부 세부 정보가 모호하게 유지될 수 있습니다. ®

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• 플라토 블록체인. Web3 메타버스 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 출처: https://go.theregister.com/feed/www.theregister.com/2023/03/30/us_ai_nuclear_hunter/