Poong Hyun Seong
KAIST 핵 및 양자공학과 · 의사결정과학
포ong 힉 숙 교수의 연구실은 원자력발전소의 안전성 향상과 사고 대응 능력을 제고하기 위해 인공지능 기반의 진단 및 지원 기술을 연구하고 있습니다. 특히 제한된 센서 데이터로도 높은 정밀도를 확보할 수 있는 그래프 신경망 기반 진단 알고리즘 개발에 초점을 맞추고 있으며, 심각한 사고 발생 시의 핵심 사건 발생 시점 예측을 통해 운영자 의사결정 지원에 기여하고자 합니다. 이는 원자력 시스템의 실시간 안전성 확보와 위기 대응 능력을 강화하는 데 기여합니다.
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.
Because nuclear power plants (NPPs) are safety-critical infrastructure, it is essential to increase their safety and minimize risk. To reduce human error and support decision-making by operators, several artificial-intelligence-based diagnosis methods have been proposed. However, because of the nature of data-driven methods, conventional artificial intelligence requires large amount of measurement values to train and achieve enough diagnosis resolution. We propose a graph neural network (GNN) ba
If a transient occurs in a nuclear power plant (NPP), operators will try to protect the NPP by estimating the kind of abnormality and mitigating it based on recommended procedures. Similarly, operators take actions based on severe accident management guidelines when there is the possibility of a severe accident occurrence in an NPP. In any such situation, information about the occurrence time of severe accident-related events can be very important to operators to set up severe accident managemen
