Detta amerikanska nationella laboratorium vände sig till AI för att jaga falska kärnvapen

Forskare vid America's Pacific Northwest National Laboratory (PNNL) utvecklar maskininlärningstekniker för att hjälpa Fed att slå ner på potentiellt oseriösa kärnvapen.

Det räcker med att säga att det i allmänhet är olagligt för någon individ eller grupp att äga ett kärnvapen, absolut i USA. Ja, det finns de fem officiellt erkända kärnvapenbeväpnade nationerna – Frankrike, Ryssland, Kina, Storbritannien och USA – vars regeringar har ett lager av dessa enheter. Och det finns länder som har skrivit under FN:s Fördrag om förbud mot kärnvapen, vilket betyder att de har lovat att inte "utveckla, testa, producera, förvärva, äga, lagra, använda eller hota att använda" dessa prylar.

Så om någon har en kärnvapen i sin ägo så är det för att de är ett land i den officiella kärnvapenklubben, de är en regering som har producerat sina egna kärnvapen, en terrorist som stal, köpte eller på något sätt byggde en själv, eller någon annan skissartat scenario, åtminstone i amerikanska ögon.

(Oavsett om stulna eller osanktionerade kärnstridsspetsar är något som är värt att oroa sig för, eller bara en Tom Clancy-driven dagdröm, är ett ämne som vi lämnar för en annan dag, eller kommentarsektionen.)

Att upptäcka tecken på oönskad kärnkraftsaktivitet beror på att korrekt kunna analysera de kemikalier och den infrastruktur som krävs för att tillverka dessa specialiserade domedagsvapen. Steven Ashby, chef för PNNL, beskrev hur det amerikanska energidepartementet-finansierade labbet använder maskininlärning för att identifiera kärnvapenhot.

Och inte bara identifiera: teknikerna gör att den kan ta upp "hot snabbare och enklare" än tidigare, får vi veta.

En metod, som använder en autoencoder-modell, bearbetar bilder av radioaktivt material för att ta reda på var det kom ifrån och hur det gjordes. Programvaran producerar en signatur eller fingeravtryck av provet och jämför detta med en databas med elektronmikroskopbilder tagna från universitet och andra nationella laboratorier. 

Genom att titta på hur lika dessa partiklar är till bildbiblioteket kan analytiker uppskatta hur rent det okända provet är och spåra dess källmaterial till möjliga laboratorier som tillverkar kärnkraftsprodukterna. Det är användbart om du vill veta om materialet är tillräckligt bra för att skapa ett livskraftigt kärnvapen, och vem som ligger bakom det. Ashby sa att PNNL:s arbete här hade hjälpt polisen att komma in på mål och påskynda utredningarna.

Som labbet uttryckte det, "radioaktivt material kommer att ha en unik mikrostruktur baserad på miljöförhållandena eller renheten hos källmaterialen vid dess produktionsanläggning." Den unika strukturen, med hjälp av mjukvara, kan användas för att ta reda på vilket laboratorium eller fabrik som tillverkade den, eller så får vi veta.

Internationella atomenergiorganet övervakar kärntekniska upparbetningsanläggningar i icke-kärnvapenbeväpnade stater för att säkerställa att de till exempel gör sig av med plutonium som genererats i kärnkraftverk på rätt sätt och inte i hemlighet gömmer metallen för att producera vapen. 

Tjänstemän övervakar dessa anläggningar på olika sätt från personliga inspektioner till provanalys av resurser. En annan teknik som för närvarande utvecklas på PNNL involverar träning av transformatorbaserad mjukvara för att direkt spåra aktiviteten i kärntekniska upparbetningslaboratorier och automatiskt upptäcka misstänkt beteende.

Först byggs en virtuell replik som simulerar en upparbetningsanläggning. Data som genereras av denna modell spårar "viktiga tidsmönster" används för att träna modellen. Den förutsäger vilka mönster som bör observeras från olika områden inom en anläggning om den används för fredliga ändamål, och om data som faktiskt samlats in från en anläggning inte stämmer överens med modellens förutsägelser, kan experter tillkallas för att undersöka ytterligare.

"Våra experter kombinerar expertis inom icke-spridning av kärnvapen och konstgjorda resonemang för att upptäcka och mildra kärnvapenhot. Deras mål är att använda dataanalys och maskininlärning för att övervaka kärnmaterial som kan användas för att producera kärnvapen, säger Ashby. sade.

Dessa automatiserade metoder används dock bara för att upptäcka tecken på möjlig olaglig kärnteknisk verksamhet. Mänskliga experter behöver fortfarande verifiera och bekräfta rapporter.

"Machine learning algoritmer och datorer kommer inte att ersätta människor när det gäller att upptäcka kärnvapenhot någon gång snart. Men de kan göra det möjligt för människor att upptäcka viktig information och identifiera risker snabbare och enklare”, avslutade han. 

Registret har bett PNNL om ytterligare kommentarer och information. Vi misstänker att vissa detaljer kan hållas vaga av säkerhetsskäl. ®

• SEO-drivet innehåll och PR-distribution. Bli förstärkt idag.
• Platoblockchain. Web3 Metaverse Intelligence. Kunskap förstärkt. Tillgång här.
• Källa: https://go.theregister.com/feed/www.theregister.com/2023/03/30/us_ai_nuclear_hunter/