根據發表在《地震學研究快報》上的一項新研究，使用距離核反應堆50米遠的地方記錄的地震和聲學資料，可以預測反應堆處于開啟或關閉狀态，準确率高達98%。
橡樹嶺國家實驗室的研究人員通過将幾個機器學習模型應用到資料中，可以預測反應堆何時處于開啟和關閉之間，并估計其功率水準，準确率約為66%。
該研究的主要作者、橡樹嶺的地球實體學家柴成平說，這些發現為國際社會以一種最小侵入性的方式合作核實和監測核反應堆的運作提供了另一種工具。“核反應堆既可以用于良性活動，也可以用于惡性活動。是以，核實核反應堆是否如所宣布的那樣在運作，對核不擴散界是有好處的。”
雖然地震和聲學資料長期以來一直被用于監測地震，建築和橋梁等基礎設施的結構特性，但一些研究人員現在使用這些資料來更仔細地觀察與工業過程相關的運動。在這個案例中，柴成平和同僚們在橡樹嶺的高通量同位素反應堆周圍部署了地震和聲學傳感器，這是一個研究反應堆，用于産生實體、化學、生物、工程和材料科學研究的中子。
反應堆的動力狀态是一個熱過程，有一個冷卻塔散熱。柴成平說:“我們發現，地震聲學傳感器可以記錄冷卻塔的風扇和泵等振動裝置的機械特征，其精度足以揭示操作問題。”
然後，研究人員比較了一些機器學習算法，以發現哪一種算法最擅長從特定的地震聲信号中估計反應堆的功率狀态。這些算法經過了僅使用地震資料、僅使用聲學資料以及這兩種類型的資料的訓練，收集時間超過一年。他們發現，合并後的資料産生了最好的結果。
柴成平解釋說:“不同功率級别的地震信号呈現出複雜的模式，用傳統技術很難分析。機器學習方法能夠推斷出不同反應堆系統之間的複雜關系及其地震-聲學指紋，并使用它來預測功率水準。”
柴成平和他的同僚在他們的研究過程中發現了一些有趣的信号，包括反應堆關閉狀态下噪音泵的振動，當泵被更換後，振動就消失了。
柴成平表示，将地震和聲學特征與不同的工業活動和裝置聯系起來是一個長期且具有挑戰性的目标。對于高通量同位素反應堆，初步研究表明，風扇和泵具有不同的地震聲學指紋，不同的風扇速度有其獨特的特征。
柴成平說:“一些正常但不太頻繁的活動，比如每年或偶然的維護，需要在地震和聲學資料中加以區分。為了更好地了解這些特征與具體操作的關系，我們需要研究儀器的地震和聲學特征，以及各種工業設施的背景噪聲。”