根据发表在《地震学研究快报》上的一项新研究，使用距离核反应堆50米远的地方记录的地震和声学数据，可以预测反应堆处于开启或关闭状态，准确率高达98%。
橡树岭国家实验室的研究人员通过将几个机器学习模型应用到数据中，可以预测反应堆何时处于开启和关闭之间，并估计其功率水平，准确率约为66%。
该研究的主要作者、橡树岭的地球物理学家柴成平说，这些发现为国际社会以一种最小侵入性的方式合作核实和监测核反应堆的运行提供了另一种工具。“核反应堆既可以用于良性活动，也可以用于恶性活动。因此，核实核反应堆是否如所宣布的那样在运行，对核不扩散界是有好处的。”
虽然地震和声学数据长期以来一直被用于监测地震，建筑和桥梁等基础设施的结构特性，但一些研究人员现在使用这些数据来更仔细地观察与工业过程相关的运动。在这个案例中，柴成平和同事们在橡树岭的高通量同位素反应堆周围部署了地震和声学传感器，这是一个研究反应堆，用于产生物理、化学、生物、工程和材料科学研究的中子。
反应堆的动力状态是一个热过程，有一个冷却塔散热。柴成平说:“我们发现，地震声学传感器可以记录冷却塔的风扇和泵等振动设备的机械特征，其精度足以揭示操作问题。”
然后，研究人员比较了一些机器学习算法，以发现哪一种算法最擅长从特定的地震声信号中估计反应堆的功率状态。这些算法经过了仅使用地震数据、仅使用声学数据以及这两种类型的数据的训练，收集时间超过一年。他们发现，合并后的数据产生了最好的结果。
柴成平解释说:“不同功率级别的地震信号呈现出复杂的模式，用传统技术很难分析。机器学习方法能够推断出不同反应堆系统之间的复杂关系及其地震-声学指纹，并使用它来预测功率水平。”
柴成平和他的同事在他们的研究过程中发现了一些有趣的信号，包括反应堆关闭状态下噪音泵的振动，当泵被更换后，振动就消失了。
柴成平表示，将地震和声学特征与不同的工业活动和设备联系起来是一个长期且具有挑战性的目标。对于高通量同位素反应堆，初步研究表明，风扇和泵具有不同的地震声学指纹，不同的风扇速度有其独特的特征。
柴成平说:“一些正常但不太频繁的活动，比如每年或偶然的维护，需要在地震和声学数据中加以区分。为了更好地理解这些特征与具体操作的关系，我们需要研究仪器的地震和声学特征，以及各种工业设施的背景噪声。”