SCK CEN werkt via MULTIPLEX en CIThARA aan impactmodellen van de toekomst
Recent haalde SCK CEN twee nieuwe Europese onderzoeksprojecten binnen op het snijvlak van sitesanering en stralingsbescherming. Als partner in de Europese onderzoeksprojecten MULTIPLEX en CIThARA ontwikkelen we toekomstgerichte modellen die zowel de behandeling van complexe milieusites als nucleaire noodplanning beter moeten ondersteunen. Zo versterkt SCK CEN niet alleen bestaande kennis en expertise, maar speelt het ook in op maatschappelijk actuele vraagstukken.
Onderzoek en ontwikkeling met Europese relevantie
SCK CEN versterkt zijn rol in het Pianoforte-consortium met twee nieuwe Europese onderzoeksprojecten die hun kernexpertises versterken en een duidelijke maatschappelijke meerwaarde bieden. In MULTIPLEX helpt SCK CEN een geïntegreerd model te ontwikkelen om de milieu-impact op complexe sites te berekenen. In CIThARA onderzoekt de groep dan weer hoe AI de snelheid en betrouwbaarheid van noodplannen kan verbeteren. Beide projecten combineren kwalitatieve dataverrijking met slimme technologie, om zowel onder beleidsmakers als in het publieke debat meer kennis en transparantie rond nucleaire activiteiten te creëren.
Als kennis- en onderzoekscentrum werkt SCK CEN dagelijks aan betere impactanalyses voor historisch vervuilde sites, nieuwe nucleaire activiteiten en regio’s met verhoogde waakzaamheid, zoals actieve kerncentrales in conflictgebieden. Kennis en modellen om met deze sites om te gaan worden steeds belangrijker. Europese regelgeving vraagt vandaag expliciete aandacht voor milieueffecten en beschermingsmaatregelen in omgevingsvergunningen, en radiologische waakzaamheid staat op verschillende plaatsen in Europa opnieuw hoog op de agenda.
MULTIPLEX ontwikkelt een model dat de interactie tussen chemische en radioactieve stoffen in het milieu berekent
In het MULTIPLEX-project werkt SCK CEN samen met een regulator, een kenniscentrum en twee universiteiten uit Frankrijk en Noorwegen. Elke projectpartner onderzoekt hoe ze een model kunnen ontwikkelen dat kan voorspellen hoe zoetwaterecosystemen op complexe, lokale sites reageren op de aanwezigheid van radioactieve en chemische elementen in het milieu. Dat kunnen sites zijn met voormalige nucleaire activiteit, maar ook sites met verhoogde natuurlijke radioactieve materialen.
“De impact van die stressoren wordt nu vaak apart berekend, wat kan leiden tot een onder- of net een overschatting van de milieurisico’s bij het remediëren van een site, legt onderzoeker Nele Horemans uit. “Wanneer deze sites worden geremedieerd, wordt er soms uit voorzorg vaak meer aarde afgegraven dan nodig. Dat heeft ook een impact op lokale ecosystemen. Omgekeerd kan het ook zijn dat er bepaalde risico’s over het hoofd worden gezien, omdat er geen rekening wordt gehouden met de interactie tussen nucleaire en chemische stressoren. Door de gecombineerde milieueffecten beter in te schatten, willen we zo’n onnodige ingrepen helpen voorkomen.”
Binnen MULTIPLEX dienen De Grote Nete, de Rhône en de Nitelva als gevalsstudies voor respectievelijk België, Frankrijk en Noorwegen. Elk van de projectpartners gaan met hun eigen gevalsstudie aan de slag om bestaande data te verrijken met nieuwe milieustalen, en vervolgens te gebruiken voor de ontwikkeling van modellen die rekening houden met verschillende elementen en hun interacties. Daarbij zullen de partners van MULTIPLEX ook actief communiceren met buurtbewoners en lokale betrokkenen van complexe sites, om de publieke opinie op te volgen en meer transparantie te creëren rond de impact van nucleaire en niet-nucleaire vervuiling.
Naast hun individueel werk, brengen de projectpartners hun modellen regelmatig samen om bij te sturen en te verfijnen. Als een van de meest ervaren projectpartners in de ontwikkeling van voorspellende modellen, neemt SCK CEN daarin de leiding.
“We ontwikkelen de impactmodellen van de toekomst”, zegt Jordi Vives i Batlle. “We zetten theoretische en experimentele kennis om in een toolbox voor beleidsmakers en beslissingsnemers de praktijk.”
CIThARA onderzoekt hoe AI ons sneller en beter kan helpen reageren op noodsituaties
In het CIThARA-project werkt SCK CEN samen met regulatoren en onderzoeks- en kennisinstellingen uit Frankrijk, Duitsland, Italië, Noorwegen, Polen en Griekenland. Samen onderzoeken ze hoe AI de snelheid en betrouwbaarheid van modellen voor nucleaire noodrespons kan verbeteren.
“Bij noodplanning is het cruciaal om te voorspellen hoe een radioactieve wolk zich de eerste uren en dagen door de lucht zal bewegen”, legt onderzoeker Pieter De Meutter uit. “Bestaande modellen moeten daarbij steeds een afweging maken tussen rekensnelheid en accuraatheid. Met behulp van AI zouden we tot tienduizend keer sneller kunnen werken. Dat kan kansen creëren om andere scenario’s te simuleren en onzekerheden te berekenen. Kortom: meer betrouwbare voorspellingen, zonder tijd te verliezen.”
In het partnerschap concentreert SCK CEN zich uitsluitend op de ontwikkeling van AI-gedreven surrogaatmodellen, met behulp van gevalideerde fysische modellen. Die kunnen de beweging van een radioactieve wolk voorspellen aan de hand van parameters als weersomstandigheden, en dienen in dit project om de AI-modellen te trainen en de kwaliteit ervan te testen. Er worden geen laboratoriumexperimenten uitgevoerd, al gaan de projectpartners wel aan de slag met burgerdata. “Hoewel burgerdata voorspellingen kunnen verrijken, kunnen we de kwaliteit van die metingen vandaag moeilijk garanderen,” zegt Pieter De Meutter. “Met behulp van AI hopen we ook de nauwkeurigheid en bruikbaarheid van deze data te verbeteren.”
Surrogaatmodellen kunnen bovendien niet enkel tijdswinsten opleveren bij noodsituaties, maar kunnen op termijn ook helpen om clandestiene kernactiviteiten op te sporen, noodplanning efficiënter te maken, en de impactanalyse van historisch verontreinigde en NORM-sites te verbeteren.
Pieter De Meutter: “Het is niet de bedoeling om bestaande noodplannen of impactanalyses te vervangen, maar wel om te verkennen welke winsten surrogaatmodellen kunnen opleveren, en hoe we die kunnen benutten.”
