کاربرد شبکه های عصبی مصنوعی در پایش راکتورهای هسته ای
تمرکز اصلی پژوهش های من بر کاربرد شبکه های عصبی مصنوعی و روش های یادگیری ماشین در کنترل، پایش و تحلیل دینامیکی سیستم های مهندسی هسته ای، به ویژه راکتورهای آب فشرده، قرار دارد. این تحقیقات با هدف ارتقای ایمنی، دقت و عملکرد راکتورها انجام شده و چارچوب هایی برای پیش بینی دقیق تغییرات پارامترهای کلیدی فراهم کرده است. در پروژه های خود، از ترکیب شبکه های عصبی مصنوعی با الگوریتم های بهینه سازی پیشرفته مانند الگوریتم نهنگ و روش های کلاسیک مانند لوونبرگ–مارکوارت و گرادیان نزولی استفاده کرده ام که توانسته اند نتایج قابل توجهی در تحلیل دینامیک و واکنش پذیری راکتورها ارائه دهند.
علاوه بر توسعه مدل های هوشمند، من در همکاری با سازمان های علمی و اجرایی از جمله سازمان انرژی اتمی و سازمان غذا و دارو مشارکت داشته ام تا کاربردهای عملی این روش ها در ایمنی و بهینه سازی عملکرد راکتورها را بررسی و بهبود بخشم. پژوهش هایم نشان می دهند که استفاده از روش های یادگیری ماشین و شبکه های عصبی می تواند تحلیل داده های پیچیده و پیش بینی رفتار دینامیکی سیستم ها را با دقت بسیار بالا و در زمان واقعی ممکن سازد.
در مجموع، فعالیت های پژوهشی من با تمرکز بر ترکیب مهندسی هسته ای، هوش مصنوعی و روش های پیشرفته تحلیل داده، به توسعه سیستم های هوشمند، ایمن و بهینه در حوزه انرژی هسته ای کمک کرده و چشم انداز وسیعی برای طراحی و بهینه سازی سیستم های پیچیده فراهم می کند.