Desde el seguimiento de materiales radiactivos hasta el control de calidad del combustible nuclear o del material con que se construyen los tubos de presión de una central de potencia, pasando por el análisis de imágenes utilizadas para un tipo de radioterapia contra el cáncer. Todas esas tareas actualmente son realizadas por investigadores, operadores y técnicos en forma manual. El desafío es desarrollar sistemas informáticos seguros para automatizarlas y en eso trabaja el Departamento Tecnologías Emergentes de la Comisión Nacional de Energía Atómica, que para lograrlo utiliza herramientas de inteligencia artificial y blockchain (cadena de bloques).
Este departamento depende de la Subgerencia Vinculación y Desarrollo de Nuevas Tecnologías de la Información de la Gerencia Tecnología de la Información y las Comunicaciones (GTIC), a cargo de la Dra. Verónica Venturini. Su función es crear tecnologías y sistemas informáticos para cubrir necesidades o resolver problemas planteados por la industria nuclear y distintos grupos de investigación o áreas de la CNEA. También colabora en la elaboración de las guías del Organismo Internacional de Energía Atómica (OIEA) para el uso seguro de estas tecnologías en el ámbito nuclear.
Uno de los desarrollos que realizó el equipo de Tecnologías Emergentes consiste en la aplicación de blockchain para el rastreo y conteo de material nuclear y radiactivo. El mismo sistema ahora está siendo adaptado para utilizarlo en la gestión de residuos nucleares. Si bien ambos desarrollos se encuentran en la fase de prototipado, generan interés en distintos sectores dentro y fuera del país.
Blockchain es la tecnología utilizada para las criptomonedas, como por ejemplo Bitcoin. Su característica principal es que permite la trazabilidad, la descentralización de la información y la seguridad de las comunicaciones informáticas porque todos los datos están encriptados en bloques. Cada registro es inalterable, porque el sistema toma la información de bloque en bloque y no hay manera de modificarla. De esta manera, se puede monitorear el recorrido de un material nuclear dentro de una instalación, así como la cadena de responsabilidades, registrando quién lo recibe en cada instancia.
En materia de inteligencia artificial, se trabaja en sistemas de Aprendizaje Automático o Machine Learning. “Se define como inteligencia artificial a cualquier elemento o sistema que imite el comportamiento humano. Mientras tanto, se habla de Machine Learning cuando se trata de sistemas que aprenden a partir de datos”, explica Luis Agustín Nieto, jefe del Departamento Tecnologías Emergentes.
Uno de los desarrollos en este campo consiste en enseñarles a las computadoras a analizar las imágenes obtenidas a través de autorradiografía neutrónica que se utilizan para la Terapia de Captura Neutrónica en Boro (BNCT), un tipo de radioterapia contra el cáncer sobre el que investiga la CNEA. Al paciente se le inyecta un compuesto con boro 10, que se acumula en mayor medida en las células cancerosas. Al exponer el boro a un haz de neutrones de baja energía, se deposita una dosis de radiación altamente localizada en células tumorales sin afectar el tejido sano.
La autorradiografía neutrónica es una técnica nuclear que permite conocer la ubicación de elementos en una muestra a partir de la detección de radiación emitida, en imágenes de microscopía. En el caso de la BNCT, se utiliza para conocer la ubicación espacial de los átomos de boro. “Las imágenes generadas a partir de cultivos celulares tomadas con microscopio brindan la información necesaria para regular la dosis y ajustar los parámetros del tratamiento”, detalla Nieto.
En el Departamento de Radiobiología hay una línea de investigación que busca incorporar herramientas de aprendizaje automático en el análisis de imágenes autorradiográficas. El Departamento Tecnologías Emergentes utiliza las imágenes analizadas manualmente por personas para entrenar redes neuronales para automatizar este proceso.
Un método similar se está aplicando para facilitar la caracterización de fases en los materiales de los tubos de presión de la central Embalse. Estos tubos son componentes fundamentales de los reactores de potencia de tipo CANDU (Canadian Deuterium Uranium reactor), porque en su interior se ubican los canales combustibles en los que se produce el proceso de fisión. Trabajan en condiciones de alta exigencia durante sus 30 años de vida útil, ya que operan a temperaturas de entre 250 y 300 grados centígrados, soportan 100 atmósferas de presión interna y están constantemente sometidos al flujo neutrónico producto de la fisión del uranio.
Estos tubos se fabrican con una aleación de zirconio y niobio. En el Laboratorio de Microscopía de CNEA se inspeccionan y caracterizan las fases de esa aleación, como uno de los criterios de aceptación de estos tubos para ser utilizados en el reactor. “Con inteligencia artificial, la imagen captada por el microscopio es procesada en otra imagen más definida y fácil de analizar por una persona. Además, se desarrollaron herramientas para que el trabajo sobre estas nuevas imágenes sea mucho más rápido y sencillo que el método tradicional”, cuenta Nieto.
Otra tarea sensible que se realiza manualmente es la inspección de la superficie para control de calidad de combustibles nucleares. Un operador revisa minuciosamente los pellets de uranio para asegurarse de que no tengan fallas, como grietas o irregularidades en la superficie. Se trata de un trabajo lento y que no admite equivocaciones. Automatizarlo en forma segura ahorraría una gran cantidad de tiempo y eliminaría la posibilidad de errores humanos. En la CNEA ahora se está desarrollando un sistema para que realice esa tarea.
Lo innovador en sí no es la automatización, sino la adopción de inteligencia artificial para alimentar ese sistema con imágenes y para que “aprenda” a diferenciar los pellets sanos de los que presentan irregularidades. En el mediano plazo, un mecanismo automático utilizará esta herramienta de inteligencia artificial para descartar pellets con fallas.
“El procesamiento y manipulación de estos grandes volúmenes de información y la aplicación de las diferentes técnicas de aprendizaje automático requieren de una gran capacidad de almacenamiento y poder de cómputo -señala Nieto-. Todo esto se realiza en equipamiento propio de la CNEA administrado por el Departamento de Computación de Alta Prestación de la GTIC, asegurando la privacidad y seguridad de los datos al nunca salir del control interno de la institución”.
Por otra parte, el Departamento Tecnologías Emergentes, en conjunto con el Departamento de Seguridad Informática de GTIC, ensayó un sistema de detección y clasificación de ciberataques a la infraestructura de red de la CNEA, también aplicando técnicas de aprendizaje automático. Fueron recopilados dos años de accesos a doce sitios web del organismo, como el de los mails institucionales o el del repositorio Nuclea. El sistema encontró patrones entre los diferentes tipos de accesos y eso facilitó el hallazgo y el análisis de intentos de ingreso y comportamientos inusuales en los sistemas. Este trabajo fue presentado en Viena en 2023, en un congreso de ciberseguridad organizado por el Organismo Internacional de Energía Atómica.
Estos proyectos posicionan a la CNEA como pionera en el uso de inteligencia artificial en el ámbito nuclear. En estos momentos, el equipo a cargo de llevarlos adelante está conformado además por Silvina Dengra, Ana Lucía Marzocca, Juan Pablo Caldo, Tomás Murillo y Nicolás Dazeo.
El Departamento Tecnologías Emergentes de la CNEA colabora con el Organismo Internacional de Energía Atómica (OIEA), donde integra el grupo de Inteligencia Artificial de la International Network on Innovation to Support Operating Nuclear Power Plants (Red Internacional de Innovación para Apoyar la Operación de Centrales Nucleares). Además, participa en la redacción y corrección de las guías del organismo sobre el uso de la Inteligencia Artificial en el ámbito nuclear, que serán presentadas este año en Viena.