2024年终总结
2023~2024年度总结
去年计划:
- 学习高温气冷堆仿真机使用,构建数据集。
- 学习机器学习和Pytorch,补充知识结构。
- 着手开展博士课题工作,为下学期开题做准备。
本年进展
高温气冷堆仿真机使用方面
基于HTR-PM仿真机,完成了事故数据的收集。
机器学习和Pytorch学习方面
有了更深入的理解,尤其是新兴的LLM,在研究方向上有所引入。
博士课题方面
课题选定:经过一段时间的摸索,课题最终选定在高温气冷堆的运行小样本下的瞬态监测、识别、预测和控制策略生成算法研究,并经历了博士生资格考试和开题报告两个阶段。
课题进展:
- 瞬态监测:基于数字孪生的核电站零样本学习瞬态检测框架
- 瞬态识别:大型语言模型有助于瞬态识别,具有显著的泛化和未知瞬态识别能力
- 参数预测:待做
- 控制策略:待做
专项计划:
- 经过沟通,计划于2024年2月份-4月份在华能石岛湾核电厂开展实践,目前处于集团审批阶段。
文章方面:
ICONE31: Underlying Deep Learning Networks Diagnosis Evaluation And Generative Adversarial Network Data Augmentation Based On A Benchmark Accident Dataset
Energies: Enhancing LOCA Breach Size Diagnosis with Fundamental Deep Learning Models and Optimized Dataset Construction
In writing:
1.《A transient detection framework in Nuclear Power Plants Using Zero-Shot Learning Based on Digital Twin》
2.《Large language model helps transient identification with significant unknown type identification and generalization under different data distributions》
明年计划
完成博士课题后续部分
- 参数预测
- 控制策略
顺利开展企业实践
博士中期检查
总结工作