La principal consecuencia de los accidentes en las plantas de energía nuclear es la liberación de material radiactivo, lo que obliga a los equipos de emergencia a evacuar a las personas de las zonas aledañas lo más rápido posible. Pese a ello, puede resultar complicado detectar de manera inmediata sobre qué zonas tendrá efecto la radioactividad emitida, lo que hace imposible evitar que las personas sean expuestas.
Una alternativa para resolver este problema fue presentada a través de un nuevo estudio realizado por un equipo de investigadores del Instituto de Ciencias Industriales de la Universidad de Tokio. En este sentido, han presentado un software basado en Inteligencia Artificial (IA) que puede predecir con gran precisión dónde será esparcido el material radiactivo luego de su emisión, con más de 30 horas de antelación al accidente.
Para lograrlo, la IA utiliza pronósticos meteorológicos sobre los patrones de viento previstos, por lo que permitirá implementar planes de evacuación y otras medidas de seguridad. Los investigadores han creado esta tecnología con el fin de evitar las consecuencias de un accidente nuclear como el ocurrido en la central nuclear de Fukushima Daiichi, en Japón, en el año 2011.
En este sentido, el informe revela que las limitaciones de las herramientas de modelado atmosférico tras el accidente de Fukushima, consideradas poco confiables en cuanto a planificación post-desastre, fueron la principal motivación de su nueva herramienta.
Con respecto a la IA, el equipo basó sus esfuerzos en la creación de un modelo de aprendizaje automático capaz de utilizar datos sobre patrones climáticos previos para predecir hacia dónde se dirigirán las emisiones radioactivas. El autor principal del estudio, Takao Yoshikane, afirmó que esta herramienta fue entrenada utilizando años de datos relacionados con el clima para predecir dónde se distribuirá la radioactividad tras su liberación.
Durante las pruebas, la IA logró predecir los efectos de la radiación durante más de 30 horas con una precisión de entre el 85% y el 95%, dependiendo de las condiciones climáticas, siendo el mayor porcentaje durante el invierno, donde los patrones climáticos son más predecibles.
Tratándose de un modelo de aprendizaje automático, esta IA debería mejorar con el tiempo a medida que sea entrenada con muchos más datos sobre condiciones meteorológicas, de forma tal que si ocurre un incidente como el de Fukushima, los equipos de respuesta estarán mejor preparados.
Referencia: T. Yoshikane, K. Yoshimura. “Dispersion characteristics of radioactive materials estimated by wind patterns”. Scientific Reports. DOI: 10.1038/s41598-018-27955-4.
