Bedre metoder for håndtering av atomhendelser

Når en kjernefysisk ulykke inntreffer, er det avgjørende for myndighetene å ta raske og effektive beslutninger for å beskytte mennesker og miljøet. Da bruker de såkalte beslutningsstøttesystemer (Decision Support Systems (DSS)), som bruker modeller for å forutsi spredningen av radioaktive materialer og effektene av dem. Disse modellene må imidlertid være nøyaktige og pålitelige for å sikre best mulige resultater.

– Modeller er viktige verktøy som hjelper til med å forutsi hvordan radioaktive materialer vil bevege seg gjennom miljøet og hvordan de kan påvirke menneskers helse, forklarer ph.d.-kandidat Ali Hosseini.

– Dersom det skulle oppstå en atomhendelse, så er det avgjørende for myndighetene å forstå hvor konsekvensene kan inntreffe.

Forbedring av de underliggende modellene

I sitt doktorgradsarbeid har Hosseini arbeidet med å forbedre en av de viktigste grunnlagene for beslutningsstøttesystemer: de underliggende modellene.

FDMT-modellen (Food Chain and Dose Module for Terrestrial Pathways) er et verktøy som brukes i håndtering av atomhendelser for å forutsi hvordan radioaktive materialer beveger seg gjennom miljøet og kommer inn i næringskjeden.

Den hjelper med å estimere nivåene av radionuklider i matvarer og vurdere potensielle stråledoser til mennesker etter en nukleær og/ radiologisk hendelse.

– I mitt prosjekt har jeg vurdert begrensningene ved FDMT og forbedret dens tilpasningsevne til ulike regioner og scenarier, forklarer Hosseini.

Han har lagt særlig vekt på norske forhold. Målet var å hjelpe beslutningstakere med å bruke pålitelige data og modeller for å ta trygge og effektive valg under beredskapssituasjoner.

Tilpasset norske forhold

Hosseini brukte en dobbel tilnærming, som kombinerte felteksperimenter med grundig modellutvikling.

– Jeg gjennomførte en gap-analyse for å identifisere nøkkelbegrensninger i FDMT-modellen.

Basert på dette utførte han et omstrukturering av FDMT som forbedret modellens fleksibilitet, brukervennlighet og tilpasning til spesifikke regionale behov.

– FDMT er tilpasset norske forhold ved å inkludere relevante parametere/parameterverdier for lokal jordbrukspraksis og klimatologiske faktorer.

Dynamikk i boreale økosystemer

Hosseini gjennomførte sporstoffeksperimenter ved to norske forskningsstasjoner for å studere dynamikken til radionuklider i boreale økosystemer. Disse eksperimentene ga innsikt i hvordan stedsspesifikke og klimatologiske faktorer påvirker hvordan bladene til gress tar opp og mister radioaktivt jod gjennom forvitringstap.

– Det var betydelig variasjon i opptak av radionuklider av gress. Det var også forskjeller i forvitringstap mellom kyst- og innlandssteder, sier han.

Nytt modellsystem

Det nye FDMT-rammeverket tilbyr et fleksibelt miljø for utvikling, testing og forbedring av modeller.

– Det legger til rette for sensitivitet- og usikkerhetsanalyser, hvilket gjør det enklere for myndighetene å karakterisere risikoer og dermed allokere ressurser mer effektivt, sier Hosseini.

Forskningen hans forbedrer presisjonen og påliteligheten av prediksjonene, noe som gir strålevernsmyndigheter verktøy for mer åpen og forsvarlig beslutningstaking. De forbedrede modellene gjør det mulig å vurdere radiologiske risikoer for menneskers helse mer nøyaktig og hjelper til med å utforme effektive avbøtende strategier.

AI og maskinlæring

– Fremtidig forskning bør utnytte fremskritt innen kunstig intelligens og maskinlæring for å forbedre databehandling og modelleringsevner, sier Hosseini.

Integrering av fysiske lover i dyplæringsmodeller, også kjent som fysikkinformert maskinlæring, kan forbedre modellenes prediksjoner.

– I tillegg vil utvikling av databehandlingsstrukturer for å håndtere store mengder heterogene data i sanntid være avgjørende for ytterligere forbedring av beslutningsstøttesystemene, avslutter han.