Rete Neurale a Spike Abilita l'Apprendimento Continuo per il Rilevamento di Anomalie nelle Centrali Nucleari

Un innovativo sistema di rete neurale a spike affronta il problema dell'oblio catastrofico nei sistemi di controllo industriale nucleare, dove le reti neurali convenzionali non riescono a conservare i modelli di anomalie precedentemente appresi quando addestrate sequenzialmente su nuovi sottosistemi. Questa sfida critica per la sicurezza viene risolta attraverso la fusione asincrona di sensori codificata a spike, che converte flussi eterogenei di dati sensoriali in sequenze sparse di spike allineate con le dinamiche naturali di ciascun sensore, raggiungendo una sparsità dell'input del 92,7%. L'approccio valuta cinque strategie di apprendimento continuo, inclusi Elastic Weight Consolidation e Synaptic Intelligence. Progettato per il monitoraggio continuo ed energeticamente efficiente attraverso più sottosistemi implementati in diverse fasi della messa in servizio dell'impianto, il sistema rappresenta il primo framework di rilevamento anomalie basato su SNN con capacità di apprendimento continuo per i sistemi di controllo industriale nucleare. La ricerca è stata pubblicata su arXiv con identificatore 2604.18611v1 e tipo di annuncio cross.