就跟醫師為人們定期進行健檢一樣，定期檢查核電廠是否安全也是相當重要的一環。核電廠定期進行檢查，以找出裂縫及其它問題，避免擴大事端或造成意外。
然而要在核電廠裡找出裂縫並非易事，檢查員無法直接檢視水面下的反應器，而是由核電廠的員工緊盯著攝影機拍攝到的影片，檢查金屬表面有無裂縫。裂縫會使得放射性物質排入水或空氣中，具有極高的危險性。
普渡大學土木工程教授 Mohammad Jahanshahi 提出一項更好的辦法。他以 GPU 加速深度學習和機械學習技術，自動偵測核電廠有無出現裂縫。他將出席 5 月 8-11 日於矽谷舉行的 GPU 科技大會，介紹如何自動檢查核電廠及其它基礎建設的方法。
「核電廠任何一個微小的裂縫都會使得放射性物質外洩、擴散，造成核能意外事件。」Jahanshahi 說。
裂縫也會造成龐大損失。Jahanshahi 說 2010 年 Vermont Yankee 核電廠地下管線破裂使得放射性氚外洩滲入地下水的意外事件，造成七億美元的損失。還有 1996 年康乃迪克州 Millstone 核電廠閥門外洩意外事件，也造成 2.54 億美元的損失。
核電廠老化
在全球核能設施開始呈現老態之際，Jahanshahi 的方法來的正是時候。世界核能產業現況報告指出全球近 15% 的核電廠已超過40年的運轉年限，在美國有超過三分之一的核電廠更是如此。包括美國在內的多個國家同意將核電廠的運轉年限提高到 60 年。
隨著核電廠老化，高熱、高壓和腐蝕性化學物質使得內部零件更易於出現裂縫及其它問題。光是在過去十年裡，全球至少有十多座核電廠檢查出裂縫。
「檢查次數不足是造成核電廠問題叢生的原因之一。」在最新一期《Computer-Aided Civil and Infrastructure Engineering》期刊發表研究結果的 Jahanshahi 說。
預防勝於治療
Jahanshahi 與普渡大學博士生 Fu-Chen Chen 共同開發的自動化系統，讓核電廠更易於檢查和找出問題，避免問題更形惡化。
「核電廠的結構就跟人體一樣，及早發現症狀，就能避免生病。」Jahanshahi 說。
Jahanshahi 與 Chen 不是第一個試著簡化以人工方式檢查核反應器鋼材表面裂縫這項冗長作業的人，眼睛盯著影片裡每個影格的方法通常會漏掉微小的裂縫，也難以從焊接點和刮痕等異常處區分出裂縫。
人工智慧協助在核電廠裡偵測裂縫
普渡大學開發出的這套「CRAQ」辨識和量化裂縫系統，會合併多個影格裡的資訊，找出鋼材表面材質可能出現裂縫的變化，以避免上述缺失。在影片裡可從不同光線和角度情況來探查裂縫。
研究團隊使用機器學習技術開發出初代系統，現在則是建立深度學習演算法來提升正確性。他們使用 CUDA 平行運算平台、Pascal 架構 NVIDIA TITAN X 及 GeForce GTX 1070 GPU，還有 cuDNN，投入數千個檢查影片的影格資料來訓練演算法。
美國的基礎建設日前才獲得美國土木工程學會令人失望的 D+ 級評等，Jahanshahi 期望深度學習能改善這個狀態。
「電腦加上 GPU 提升了運算能力，如今我們就能利用電腦視覺、影像處理和深度學習來解決問題。」他說。
如需更多人工智慧運算技術如何改寫能源業及其它產業發展面貌的相關資訊，請參加 5 月 8-11 日於矽谷舉行的 GPU 科技大會。Jahanshahi 的演講時間為週一下午 5 點。