ENGINEERINGNET.BE - In het nieuwe 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 of sites met verhoogde natuurlijke radioactieve materialen.
“De impact van die stressoren wordt nu vaak apart berekend, wat kan leiden tot een onder- of een overschatting van milieurisico’s bij het remediëren van een site", aldus onderzoeker Nele Horemans.
“Wanneer deze sites worden geremedieerd, wordt er soms uit voorzorg vaak meer aarde afgegraven dan nodig, wat impact heeft op lokale ecosystemen. Het kan ook zijn dat 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 onnodige ingrepen helpen voorkomen.”
De Grote Nete, de Rhône en de Nitelva dienen hierbij als gevalsstudies voor respectievelijk België, Frankrijk en Noorwegen.
Elke partner gaat met hun eigen gevalsstudie aan de slag om bestaande data te verrijken met nieuwe milieustalen, en die te gebruiken voor de ontwikkeling van modellen die rekening houden met verschillende elementen en hun interacties.
Ook brengen de projectpartners hun modellen regelmatig samen om bij te sturen en te verfijnen. SCK CEN neemt hierin de leiding, vanwege hun ervaring met de ontwikkeling van voorspellende modellen.
Jordi Vives i Batlle: “We zetten theoretische en experimentele kennis om in een toolbox voor beleidsmakers en beslissingsnemers.”
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”, stelt onderzoeker Pieter De Meutter.
“Bestaande modellen moeten daarbij steeds een afweging maken tussen rekensnelheid en accuraatheid. Met behulp van AI kunnen we tot tienduizend keer sneller werken. Dat kan kansen creëren om andere scenario’s te simuleren en onzekerheden te berekenen.”
