Los investigadores del Laboratorio Nacional del Noroeste del Pacífico de Estados Unidos (PNNL) están desarrollando técnicas de aprendizaje automático para ayudar a los federales a tomar medidas enérgicas contra las armas nucleares potencialmente deshonestas.
Baste decir que, en general, es ilegal que cualquier individuo o grupo posea un arma nuclear, ciertamente en los Estados Unidos. Sí, están las cinco naciones oficialmente reconocidas con armas nucleares (Francia, Rusia, China, el Reino Unido y los EE. UU.) cuyos gobiernos tienen una reserva de estos dispositivos. Y hay países que han firmado las Naciones Unidas' Tratado sobre la Prohibición de las Armas Nucleares, lo que significa que han prometido no "desarrollar, probar, producir, adquirir, poseer, almacenar, usar o amenazar con usar" estos dispositivos.
Entonces, si alguien tiene una bomba nuclear en su poder, es porque es un país en el club oficial de armas nucleares, es un gobierno que ha producido sus propias armas nucleares, un terrorista que robó, compró o de alguna manera construyó una por sí mismo, o algún otro escenario incompleto, al menos a los ojos de Estados Unidos.
(Si las ojivas nucleares robadas o no autorizadas son algo por lo que vale la pena preocuparse, o simplemente un sueño alimentado por Tom Clancy, es un tema que dejaremos para otro día, o en la sección de comentarios).
La detección de signos de actividad nuclear indeseable depende de poder analizar correctamente los productos químicos y la infraestructura necesarios para fabricar estas armas especializadas del fin del mundo. Steven Ashby, director de PNNL, describió cómo el laboratorio financiado por el Departamento de Energía de EE. UU. está utilizando el aprendizaje automático para identificar amenazas nucleares.
Y no solo identificar: las técnicas le permiten detectar "amenazas más rápido y más fácil" que antes, se nos dice.
Un método, que utiliza un modelo de autocodificador, procesa imágenes de material radiactivo para averiguar de dónde proviene y cómo se hizo. El software produce una firma o huella dactilar de la muestra y la compara con una base de datos de imágenes de microscopio electrónico tomadas de universidades y otros laboratorios nacionales.
Al observar cuán similares son estas partículas a la biblioteca de imágenes, los analistas pueden estimar cuán pura es la muestra desconocida y rastrear sus materiales de origen hasta posibles laboratorios que fabrican los productos nucleares. Eso es útil si desea saber si el material es lo suficientemente bueno para crear un arma nuclear viable y quién está detrás. Ashby dijo que el trabajo de PNNL aquí había ayudado a las fuerzas del orden público a identificar objetivos y acelerar las investigaciones.
Como dijo el laboratorio, "el material radiactivo tendrá una microestructura única basada en las condiciones ambientales o la pureza de los materiales de origen en su instalación de producción". Esa estructura única, con la ayuda del software, se puede usar para identificar qué laboratorio o fábrica la produjo, o eso nos dicen.
La Agencia Internacional de Energía Atómica monitorea las instalaciones de reprocesamiento nuclear en los estados que no tienen armas nucleares para asegurarse de que, por ejemplo, eliminen adecuadamente el plutonio generado en las plantas de energía nuclear y no almacenen el metal en secreto para producir armas.
Los funcionarios monitorean estas instalaciones de varias maneras, desde inspecciones en persona hasta análisis de muestras de recursos. Otra técnica actualmente en desarrollo en el PNNL involucra el entrenamiento de software basado en transformadores para rastrear directamente la actividad de los laboratorios de reprocesamiento nuclear y detectar automáticamente comportamientos sospechosos.
Primero, se construye una réplica virtual que simula una instalación de reprocesamiento. Los datos generados por este modelo de seguimiento de "patrones temporales importantes" se utilizan para entrenar el modelo. Predice qué patrones deben observarse desde varias áreas dentro de una planta si se utiliza con fines pacíficos, y si los datos realmente recopilados de una instalación no coinciden con las predicciones del modelo, se puede llamar a los expertos para que investiguen más a fondo.
“Nuestros expertos combinan experiencia en no proliferación nuclear y razonamiento artificial para detectar y mitigar las amenazas nucleares. Su objetivo es utilizar el análisis de datos y el aprendizaje automático para monitorear los materiales nucleares que podrían usarse para producir armas nucleares”, Ashby dijo.
Sin embargo, estos métodos automatizados solo se utilizan para detectar signos de posibles actividades nucleares ilegales. Los expertos humanos todavía necesitan verificar y confirmar los informes.
“Los algoritmos de aprendizaje automático y las computadoras no reemplazarán a los humanos en la detección de amenazas nucleares en el corto plazo. Pero pueden hacer posible que las personas descubran información importante e identifiquen riesgos de manera más rápida y sencilla”, concluyó.
El registro ha pedido al PNNL más comentarios e información. Sospechamos que algunos detalles pueden mantenerse vagos por razones de seguridad. ®
- Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
- Platoblockchain. Inteligencia del Metaverso Web3. Conocimiento amplificado. Accede Aquí.
- Fuente: https://go.theregister.com/feed/www.theregister.com/2023/03/30/us_ai_nuclear_hunter/
