在过去十年中，人工智能（AI）^[1]加速融入民用和军事领域。因此，人们对人工智能治理挑战的日益关注表现在三个方面。第一个挑战在于人工智能在民用和军事领域的双重用途，这使得监测和监督其军事化变得困难。第二个来源于私营部门的政策影响力，传统上私营部门仅限于利用游说工具。最后的困难源于政府与行业关系的性质变化，在这种关系中，行业主导着人工智能的开发和应用，而政府在理解其技术潜力和规范军事应用方面落后于行业

对现有文献的回顾表明，人工智能在军事和更广泛的战略稳定领域得到了很好的讨论^[2]，包括围绕人工智能在核领域用于黑客攻击网络系统、毒害人工智能训练数据和操纵其输入的讨论（Avin和Amadae 2019）。专家界进一步讨论人工智能及其对核保障的适用性^[3]然而，目前可用的研究在很大程度上忽略了核材料生产，这是核武器发展的一个重要阶段

本文通过评估人工智能在核材料生产中的潜在作用，同时考虑工业实践，弥合了这一差距^[4]在采用工业方法进行技术侦察时，我们认为人工智能具有通过提高系统效率来提高核材料生产的巨大潜力，目的是优化输出、降低成本和提高与核武器开发和生产相关的生产安全性。附录1中列出了核材料生产关键设备的现有人工智能应用以及可与核材料生产集成的相关非核工业应用的综合列表（直接位于正文下方）

人工智能驱动的核材料生产过程引发了人们对非法和秘密发展核武器的担忧。因此，在最后一节中讨论了具有可行行动计划的三重解决方案。尽管核材料生产是本文的重点，但所涉及的调查结果、关切和解决方案也适用于关于生产用于制造大规模杀伤性武器的材料的更广泛辩论，包括放射性、生物和化学武器

核材料生产中的扩散敏感阶段

核材料的生产包括几个步骤，包括采矿和研磨、转化、浓缩、燃料制造、发电、乏燃料储存和后处理^[5]虽然每个生产步骤都很重要，但浓缩和后处理阶段是对增殖最敏感的阶段。这些阶段为浓缩铀和/或分离铀和钚同位素提供了基础，这些同位素是核武器发展不可或缺的支柱；因此，通过人工智能提高对这些技术的可及性同时存在横向和纵向扩散风险^[7]（Gartzke和Kroenig，2014）

尽管人工智能在浓缩和后处理阶段的应用是促进核科学和技术永久应用的持续努力，但人工智能作为核材料生产空间内的军民两用技术，在学术界和从业者界基本上被忽视了。因此，人工智能在非法和秘密非和平应用方面提供援助的机会越来越大

人工智能在核材料生产中的潜在应用

人工智能的工业应用可大致分为三类：异常检测、自动优化和自动发现。每一种技术都在民用工业中发挥了作用并得到了应用，每一种都可能影响核材料生产的扩散敏感阶段。人工智能在核材料生产中的关键潜在应用概述如表1所示，潜在使用案例如附录1所示。

表1。人工智能在核能领域的关键潜在应用材料生产

异常检测人工智能异常检测算法被训练来识别具有“正常行为”特征的机器或系统数据。当实时数据偏离正常模式时，人工智能算法将识别异常。早期缺陷警报可以在机械或系统故障之前进行检查和固定

人工智能异常检测的用例分为两类。首先，人工智能被工业用来监测、检测和诊断机器故障。离心泵的异常检测就是一个例子（Al-Tobi等人，2022；Nabli和Hassani，2009年）。其次，人工智能也被广泛应用于网络防御产品中，以检测网络攻击或感染导致的异常，这对复杂的核计划构成了越来越大的威胁（Al-Tobi等人，2022；Nabli和Hassani，2009年）。一个例子是通用电气的人工智能网络防御解决方案Digital Ghost，它为美国能源部提供服务，该机构负责管理国家的浓缩铀供应，以保护关键基础设施（通用电气n.d.a），生产过程中涉及的关键机器和计算机系统的测试和验证数据是可访问的。具体应用包括采用人工智能异常检测解决方案，以防止关键核材料生产设备（如离心机）和计算机系统（如管理或网络防御系统）发生故障。类似的人工智能解决方案也可以提高以人为中心的知识生产过程的效率和安全性，从而促进核材料生产（如先进的裂变同位素分离方法^[8]）

自动优化。自动化优化解决方案训练人工智能算法，在工业过程中使用预定义参数分析数据。基于这一分析，算法可以预测产品质量，并纠正有问题的参数以改进产品质量。当应用于复杂系统时，人工智能算法可以在不同级别设置许多因素，模拟它们的性能，并确定实现优化解决方案的最佳组合

人工智能自动化优化在民用行业的使用案例有三个方面。首先是工业生产。例如，人工神经网络是一种深度学习算法，用于监测和调整离心机在分离过程中的性能（Funes等人，2009；Jiménez等人2008；Menesklou等人2021）。二是工业设计。示例包括确定不同比赛中使用的赛车的最佳配置（Monolith AI n.d.）、计算机芯片的最佳设计（Mirhosini等人，2021）以及柴油发动机活塞顶部的最佳形状（Bogaisky 2019）。三是物流规划。这方面的例子包括减少飞机周转时间和优化交付机队路线（通用电气公司；谷歌公司）。

这些人工智能优化解决方案也可以通过机器或系统数据的可用性集成到核材料生产中。这已经被用于优化铀浓缩气体离心机中旋转挡板的尺寸（Migliavacca等人，2002）。其他潜在的核材料生产用例包括改进机器，如核离心机、配置；机器（包括离心机）零件的设计；以及核材料生产线的效率，例如离心机级联的安排和核材料生产过程的更广泛管理。其他以人为中心的核研究也可以受益于自动化优化解决方案，这反过来可能会彻底改变核材料生产

自动发现。人工智能算法通过在初始阶段识别关键参数来理解游戏规则，然后开发自己的算法来确定游戏的最佳解决方案。例如，从玩AlphaGo、AlphaZero等游戏（Silver等人2017；Silver等人2018），到蛋白质结构预测，如AlphaFold（Jumper等人2021）、代码生成（如AlphaCode）（Li等人2022）和更快的矩阵乘法发现（如AlphTensor）（Fawzi等人2022），人工智能已经证明了它以指数级的速度彻底改变科学世界的能力。然而，在核科学中，自动化发现的应用仍处于早期发展阶段。因此，很少有现有的工业应用准备纳入核材料生产甚至可行性研究^[9]

自动发现这些技术不仅通过硬件（例如人工智能芯片和计算机）创新提高了计算和数据处理能力，还通过自动代码生成（如网络防御或工业管理系统）加速了计算机系统的开发和升级。更重要的是，该技术预见了以机器为中心的核材料知识生产的实现，如蛋白质结构预测^[10]，这加速了基于人类的研究的速度和准确性，例如新的裂变同位素分离方法^[11][12]

前进的道路

正如所证明的，人工智能已经影响了核材料生产的几个阶段，必须妥善管理其作为军民两用技术的前提。虽然这一努力需要所有相关方的全力，但本次讨论的范围可能集中在三维解决方案上

建议1：国家行为者应负责设计和执行有效的核材料生产相关数据和基础设施治理

为了应对人工智能等新的军民两用技术的出现，需要发展现有的法律和非法律框架^[13]然而，当前的政治环境限制了全球共识的建立，即使在达成共识有利于各方的情况下也是如此^[14]尽管如此，各国仍然是监测和监管人工智能军民两用应用的决定性参与者，因为它与核材料生产有关

监测和规范人工智能军民两用应用的范围应排除人工智能算法；它们是开源的，可以在全球范围内访问，因此基本上不可能进行监控和监管。相反，范围应该集中在两个人工智能支持元素上，第一个是数据。由于人工智能解决方案的准确性取决于培训和测试数据的质量和数量，因此应通过对技术、数据传输和网络安全等安全标准制定适当的监管措施，保护核材料生产（包括核材料的和平生产）敏感数据的传输^[15]第二个重点应该放在信息基础设施上。由于人工智能驱动系统的功能依赖于先进的信息基础设施，包括高速宽带、云存储、人工智能芯片和超级计算机等，因此还应监控这些关键人工智能基础设施的获取和转移。因此，人工智能系统的出口管制应侧重于培训和测试数据的转移，以及支持基础设施

数据和基础设施治理可以通过单边、双边或多边解决方案以及非正式和正式手段实现。一个随时可以实施的平台是国家出口管制制度。迄今为止，美国、欧盟、俄罗斯、中华人民共和国、，以及其他具有核能力的政治实体，围绕对其国家安全利益至关重要的技术和数据的有效出口控制机制，越来越多地加强了国家立法（太平洋西北国家实验室，n.d.；中华人民共和国2017年；中华人民人民共和国2020年；中国2021年；欧盟2021年；俄罗斯联邦技术和出口管制局n.d.；Vladimirova等人2014）。除了单方面的努力外，各国还应基于共同利益，在改进特定于人工智能的出口管制制度机制的基础上进行相关的多边讨论，而不是让不同的政治立场阻碍这种讨论（Fisher 1991）。促进这方面讨论和未来谈判的一个现有渠道是核供应国集团，其中成员国参与者同意自愿执行“核出口和核相关出口指南”（核供应国集团n.d.a）

核领域内的国家行为者、非政府组织和政府间组织与人工智能专家的互动有限，导致了可以通过集体讨论缩小的知识差距^[17]因此，建立正式和非正式的意识和可持续伙伴关系至关重要

动员非-在扩散领域，国家、非政府组织和政府间组织应采取三步走的方法。首先，研究人员和科学家必须全面了解最先进的人工智能研究以及与核材料生产相关的最先进的工业用例。一个可视化的例子如附录1所示。这可以是自我发起的，也可以是在机构合作下^[18]。理想情况下，如附录1所示，核政策制定界将共享一份完整的表格，总结人工智能对核材料生产的适用性，以形成对这一主题的共同理解，这反过来可以作为未来政策讨论的基础

其次，必须创建和扩大平台和举措，将人工智能相关行业纳入核政策辩论。例如，几个联合国组织发起了一项“人工智能公益”计划，以确定和推广人工智能应用程序，从而加速推进联合国可持续发展目标。最近的一项名为“原子的人工智能”的子倡议涉及可以推进核科学和技术的人工智能应用、方法和工具（Peeva 2021）。然而，人工智能对核材料生产和现代化的影响及其潜在风险仍有待解决。更广泛的“人工智能造福人类”计划可以扩大到包括人工智能工业合作伙伴，以促进围绕人工智能军民两用应用及其对维护不扩散制度的潜在影响的知识交流

第三，必须在相关决策机构内设立工业咨询委员会。这些咨询委员会将有两个目的：最大限度地缩小人工智能知识差距和制定有效的出口管制准则。这项努力可以依靠政府间组织——包括国际原子能机构和联合国裁军事务厅，以及瓦森纳安排和世界海关组织——来推动围绕新兴技术及其对维护不扩散制度的潜在影响的讨论。与此同时，核供应国集团作为一个具有约束力的机制，通过设立一个工业咨询委员会，为成员国制定有效的出口管制准则提供了另一种手段^[19]

建议3：民间社会和国际社会应促进道德人工智能，以此激励人工智能行业的政府和自律

行业并不总是符合国家的政策目标或集体利益。因此，应采取措施，促进工业界遵守和参与不扩散努力。建立一种鼓励遵守人工智能道德准则和法规的叙事可能包括强调不遵守的声誉成本，并支持员工的道德考虑；这样的努力可能需要外联计划和政府行动（Stewart等人，2016）。例如，随着公司在日益全球化和竞争激烈的市场中管理员工和客户对可持续性、诚信和价值观的期望，与联合国可持续发展目标之间明显的行业关联变得越来越重要（联合国全球契约n.d.），IBM（IBM 2018）和C3.ai（C3.ai n.d.）已经为此扩展了他们的商业模式。因此，联合国的可持续发展目标是各国政府、非政府组织和政府间组织在人工智能行业内谈判透明度和问责制时很有前途的工具

民间社会组织必须充分意识到其作为不扩散制度看门人的责任，并利用其影响力来抵消政府的政策偏好和工业激励措施，这些政策偏好和激励措施可能会对管理人工智能在核材料加工中使用的相关风险的有效性产生负面影响。实现这一目标的第一步是加大民间社会的力度，揭露人工智能驱动的工业活动增加核材料扩散的潜力。第二步是将民间社会的政策偏好转化为人工智能行业基于客户的声誉成本。例如，民间社会团体可以推动一项基层倡议，鼓励公司在传输数据、人工智能驱动的系统和支持有可能促进高浓缩的基础设施时同意报告最终用户铀和钚生产。这样的努力可能会刺激市场自律，因为公司看到了一种通过遵守联合国人工智能促进美好和可持续发展目标计划的规则来降低声誉受损可能性的方法

附录1.核材料生产关键设备和可与核材料生产集成的非核工业的现有人工智能应用（点击下面的图片放大，或下载PDF。）

何是耶路撒冷希伯来大学政治学系的博士生，也是军备控制研究所的研究员。。。阅读更多

Nikita Degtyarev是Open Nuclear Network的研究顾问，他致力于开源数据分析工具的测试和。。。阅读更多

免责声明

本文中的观点仅为作者的观点，不代表其所属组织或机构的观点

鸣谢

这项研究是哈佛大学戴维斯俄罗斯和欧亚研究中心领导的军备控制谈判学院（ACONA）的一个项目。我们感谢Adlan R.Margoev、Dmitry Kovchegin、Maria Roskoshnaya、Isaac Ben Israel、我们的ACONA同事以及匿名撰稿人和评论家的富有洞察力和建设性的评论

尾注

^[1]人工智能（AI）是指一组计算机系统，能够通过数据驱动的训练使机器产生类似人类的知识。人工智能的概念出现在20世纪50年代，随着20世纪90年代机器学习和21世纪初深度学习的引入而实现

^[2]AI被分析为决策支持系统的一部分（不直接参与核发射）（Geist和Lohn，2018）；情报、监视和侦察（ISR）（尤其有助于反潜战和追踪移动洲际弹道导弹）（Geist和Lohn，2018）；自动目标识别和终端制导（Rickli 2019）；自主核武器系统（Geist和Lohn，2018）；以及用于抵御核攻击的运载和防御系统（包括预警系统）（Vincent 2019）。关于人工智能和战略稳定性，主要有三种观点。一种观点认为，创造能够破坏核威慑的基于人工智能的技术具有挑战性。相比之下，第二种观点认为，基于人工智能的技术在未来将能够完成此类任务（Rickli 2019；Avin和Amadae 2019），从而导致军备竞赛和战略不稳定。第三种观点介于之前声称人工智能具有破坏稳定和稳定作用的论点之间（Horowitz 2019；Geist和Lohn 2018；Kaspersen和King 2019）

^[3]例如，维也纳裁军与不扩散中心的研究认识到，人工智能可以提高对大量信息的分析效率，国际原子能机构目前使用人工智能技术对数据进行分类、检测变化，并通过其协作分析平台处理自然语言（Rockwood等人，2021，48）

^[4]如今，技术巨头是人工智能开发和交付的主要参与者。然而，到目前为止，这些关键利益相关者在政府发起的关于人工智能扩散风险以推进大规模杀伤性武器能力的政策讨论中的影响力有限。让私营部门参与这些讨论，同时平衡为和平目的进行创新的必要性，是建立一个有效的非正式或正式不扩散制度的重要机制

^[5]今天的NMP最常用的是铀，一种天然存在的元素。天然铀主要由两种同位素组成，U-238（99.3%）和U-235（0.7%）；然而，为了维持核反应堆的运行，铀燃料中的铀235含量必须是天然铀的四倍。因此，将铀235浓缩至3%至5%是必要的，而且最常用的是使用气体离心机技术。浓缩后，燃料被制成一种结构，如燃料组件，使其能够在核反应堆内燃烧。然而，在燃料排放之前，反应堆只使用了非常少量的总核材料，因此，排放的燃料中的大部分核材料，主要是铀和钚同位素，或者更常见的乏燃料，都可以重复使用。为了促进其再利用，乏燃料中发现的铀、钚和废物化学分离，钚（Pu）和铀被重新引入NMP过程，使其能够重新开始

^[6]铀和钚的裂变同位素是开发核武器或其他爆炸装置的基础，因此，需要使用离心技术浓缩铀235，通过辐射铀生产钚-239，和/或通过辐射钍-232生产铀-233（外交关系委员会，n.d.）。裂变同位素Pu-239和U-233必须通过一种名为后处理的操作进行化学分离，作为裂变核材料，无论是钚还是铀基。这种核材料随后被集成到武器系统中，该系统通常包括外壳、反射器、通信系统和扳机组件。随后，对配置进行测试以确定其有效性（Cochran等人，2022）

^[7]“横向扩散是指通过禁止核武器贸易和……停止任何生产核武器的能力……向新国家扩散核武器”，而“垂直扩散”指的是核武器的发展和储存（《核时报》2016）。

^[8]有关相关研究，请参阅Kerman 2022a。

^[9]现有研究的例子是有限的，但包括使用自动发现来加速决策，因为它与核燃料包壳中使用的最佳合金浓度的选择有关（加州大学伯克利分校核工程，n.d.）。

^[10]蛋白质结构预测对疫苗的开发很重要，但同时，如果没有适当的监管控制，这项技术还可以提高生物武器的生产、交付和可及性

^[11]有关相关研究，请参阅Kerman 2022a

^[12]有关相关研究，请参阅加州大学伯克利分校核工程，n.d，包括美国和俄罗斯在内的许多国家在信息和电信领域发展问题不限成员名额工作组的框架内共同努力，在国际安全的背景下制定了网络空间负责任行为准则。尽管各国围绕可行的解决方案达成了共识，但由于对乌克兰战争的意见分歧，各国最终向联合国大会提交了两项相互竞争的决议（Chernenko 2022）

^[15]虽然现有的国际框架和许多国家特定的法律框架保护敏感核技术的转让，如敏感数据集，日益复杂的网络安全威胁，以及该行业无法充分防范此类威胁，这一点已得到充分认可（《核威胁倡议》，n.d.）。

^[16]Rostom出口控制部门负责人Maria Roskoshnaya，在与作者的个人沟通中确认，目前没有在改进NSG发布的出口管制指南的背景下讨论人工智能（Roskoshnaya 2023）。NSG网站上没有关于AI的公开文件

^[17]Maria Roskoshnaya表示，鉴于监管机构并不总是掌握与人工智能相关的全部信息或了解先进技术，与行业和学术界正在进行的非正式讨论并不总是富有成效的（Roskoshna 2023）

^[18]美国核管理委员会（NRC）已启动一项计划，从2023年开始，根据其人工智能战略计划，培养一支精通人工智能的员工队伍（Dennis等人，2022）

^[19]NSG目前鼓励国家当局与工业界密切合作，以确保有效的出口管制制度（核供应国集团n.d.a），但没有提供将这一建议内部化的机制

Al Tobi、M.A.S.、G.Bevan和K.Okedu。2022.离心泵故障诊断的人工智能方法

亚马逊。n.d.可持续性：目标和进展https://sustainability.aboutamazon.com/our-approach/goals-and-progress.

Avin，S.，&；Amadae，S.M.2019。核武器、计算机和人的界面上的自主性和机器学习<斯德哥尔摩国际和平研究所。1-14

Beumer，L.和Niemeyer，I.2022。“核设施的变更检测——Sentinel-1&；2使用深度学习的数据。”国际保障研讨会：回顾过去和展望未来

Bogaisky，J.2019。“通用电气表示将利用人工智能将产品设计时间减半。”福布斯，3月6日。https://www.forbes.com/sites/jeremybogaisky/2019/03/06/general-electric-ge-artificial-intelligence/?sh=22e2eab5d881.

Cabral，D.等人，2005年。树脂优化的遗传神经人工智能方法<2005年INAC会议记录：国际核能大西洋会议核能减少全球变暖14巴西反应堆物理和热工水力学全国会议；7巴西核应用问题全国会议，国际原子能机构编辑，第4886页。

Chen，L.2013。“离心机转子状态自动识别系统。”专利CN104338624A

Chernenko，E.2022。曼哈顿项目。https://www.kommersant.ru/doc/5651792.

Cochran，T.，Norris，R.，&；《大英百科全书》的编辑们。2022.原子（裂变）武器原理11月15日。https://www.britannica.com/technology/nuclear-weapon/Principles-of-atomic-fission-weapons.

外交关系委员会。n.d.核扩散：各国如何制造核武器https://world101.cfr.org/global-era-issues/nuclear-proliferation/how-do-countries-create-nuclear-weapons.

C3.ai.n.d.C3人工智能制造业的可持续性：减少制造业的浪费和能源https://c3.ai/products/c3-ai-manufacturing-sustainability/.

Dennis，M.Lalain，T.等人，2022。人工智能战略计划：2023-2027财年征求意见报告草案美国核管理委员会NUREG-2261。https://www.nrc.gov/docs/ML2217/ML22175A206.pdf.

欧盟。2021.2021年5月20日欧洲议会和理事会第2021/821号条例（欧盟），建立了一个控制两用物品出口、中介、技术援助、过境和转让的欧盟制度（重新制定）PE/54/2020/REV.2。https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX%3A32021R0821.

Fawzi，A.，M.Balog，A.Huang，T.Hubert，B.Romera Paredes，M.Barekatain，A.Novikov和…&；P.Kohli。2022.通过强化学习发现更快的矩阵乘法算法自然610（7930）：47-53。https://www.nature.com/articles/s41586-022-05172-4

俄罗斯联邦技术和出口管制局。n.d.出口管制立法[Zakonodatelstvo诉kontrolia州]。用俄语。https://fstec.ru/normotvorcheskaya/eksportnyj-kontrol

Fisher，R.，Ury，W，&；巴顿，B.获得肯定：不让步的谈判协议。企鹅出版社，1991年。

Funes，E.，Y.Allouche，G.Beltrán，M.p.Aguliera和A.Jiménez。2018.通过垂直离心法优化特级初榨橄榄油澄清的预测神经网络模型<食品加工工程杂志41（1）：e12593。doi:10.111/jfpe.12593.

Gartzke，E.，&；Kroenig，M.，2014。核态势、不扩散政策和核武器扩散冲突解决杂志，58（3），395-401；穆勒，K.R.2021。“溶剂对分子光谱和反应影响的机器学习。”化学科学34。doi:10.1039/d1sc02742e.

通用电气。n.d.a.“通用电气为工业控制系统推出名为Digital Ghost的实时主动网络防御解决方案。”https://www.ge.com/research/newsroom/ge-unveils-real-time-active-cyber-defense-solution-industrial-control-systems-called

通用电气。n.d.b.“通用电气研究的12项技术得以释放。”https://www.ge.com/research/newsroom/12-technologies-ge-research-unleashed.

通用电气。n.d.c.“GE Research将获得640万美元的ARPA-E资金，用于推进旧核燃料后处理技术。”https://www.ge.com/research/newsroom/ge-research-receive-64-million-arpa-e-funding-advance-used-nuclear-fuel-reprocessing.

Geist，E.和Lohn，A.2018<人工智能如何影响核战争的风险。加利福尼亚州圣莫尼卡：兰德公司。https://www.rand.org/pubs/perspectives/PE296.html.

谷歌。n.d.“云优化API文档。”https://cloud.google.com/optimization/docs#docs.

Agarwal，G.，McConkey，Z.，&；Hassard，J.2020。涡流管的优化及其在大气分离中的应用潜力<《物理学报》54（1）。doi:10.1088/1361-6463/abb977。

霍洛维茨，M.C.2019<人工智能与核稳定。人工智能对战略稳定和核风险。斯德哥尔摩SIPRI，第79-83页。

IBM。2018.IBM为实现可持续发展目标所做的贡献https://www.ibm.com/ibm/environment/news/ibm_unsdgs_2018.pdf.

国际原子能机构，1997年https://www.google.com/search?q=inficrc+540&；rlz＝1C5CHFA_enAT833AT833&；oq=in&；aqs=铬1.69i57j69i59j69i60l3j69i65l3.18j0j7&；sourceid=chrome&；ie=UTF-8#：~：text=INFCIRC/540%20%2D%20Model，默认%20%E2%80%BA%20files%20%E280%BA%20infci…

Jadhev，S.2018。构建基于机器学习的阀门设计应用程序。https://www.linkedin.com/pulse/building-machine-learning-valve-design-app-sandip-jadhav/.

Jiménez，A.，G.Beltrán，M.p.Aguilera和M.Uceda。2008.一个基于人工神经网络的传感器软件，用于优化橄榄油的精制过程传感器和执行器B:Chemical129（2）：985–990。doi:10.1016/j.foodeng.2009.04.02.

Jumper，j.，R.Evans，A.Pritzel，T.Green，M.Figurnov，O.Ronneberger，K.Tunyasuvunakool，…和D.Hassabis。2021.使用AlphaFold进行高度准确的蛋白质结构预测自然596（7873）：583-589。doi:10.1038/41586-021-03819-2.

卡巴森，A.和金，C.2019。“在确保技术效益的同时缓解核风险的挑战”，《人工智能对战略稳定和核风险的影响》，第一卷，欧洲-大西洋视角编辑。文森特·博拉宁，119-127。SIPRI

Kerman，M.2022a。综合数据科学方法在核燃料循环不扩散、保障和安全方面的进展DOE人工智能用例清单。https://www.energy.gov/sites/default/files/2022-07/DOE_Inventory_of_AI_Use_Cases.pdf.

Kerman，M.2022b。开发一个多传感器数据科学系统，用于Beartoth设施内溶剂提取过程的特征开发DOE人工智能用例清单。https://www.energy.gov/sites/default/files/2022-07/DOE_Inventory_of_AI_Use_Cases.pdf.

Krass，A.，Boskma，p.，Elzen，B.，&；Smit，W.1983<铀浓缩与核武器扩散SIPRI。Taylor&；弗朗西斯有限公司。https://www.sipri.org/sites/default/files/files/books/SIPRI83Krass/SIPRI83Krass.pdf.

Li，Y.，D.Choi，J.Chung，N.Kushman，J.Schrittwiser，R.Leblond，T.Eccles，…和O.Vinyals。2022.使用字母代码生成比赛级别代码科学378（6624）：1092-1097。doi:10.126/science.abq115

Marquez，A.J.，M.A.Herrera，M.U.Ojeda和G.B.Maza。2009年。神经网络作为初榨橄榄油精制过程优化的工具<《食品工程杂志》95（1）：135-141。2021.通过将数值过程模型与神经网络相耦合对滗析离心机进行灰箱建模矿物11（7）：755。doi:10.3390/min11070755；纳西门托，C.A.O.1999。神经网络在气体离心机仿真中的应用<核科学与技术杂志36（4）：364-370。doi:10.1080/18811248.1999.9726219；纳西门托，2002年。铀同位素气体离心分离的神经网络分析与优化<巴西化学工程杂志19（3）：299-306。doi:10.1590/S0104-66220000000300005.

Mirhosini，A.，Goldie，A.，Yazgan，M.等人2021。一种用于快速芯片设计的图形布局方法自然594207–212。doi:10.1038/41586-021-03544-w.

Mohan，S.“人工智能技术在换热器系统中的应用。”带换热器的热系统的高级分析和控制技术，Pekař，L.编辑，2020，第325-334页。

Monolith AI.nd.“Jota Sport使用Monolith将汽车安装时间缩短50%。”https://www.monolithai.com/case-studies/automotive-test-jota-sport.

Nabli，L.和M.Hassani。2009。使用模糊Petri网对离心泵进行监测和辅助诊断。在2009国际计算机会议；工业工程，七月。IEEE。1568-1573页；辛格，S.K.2021。人工智能在转子故障诊断中的作用：综述人工智能评论，54、2609-2668.doi:10.1007/s10462-020-9910-w.

核供应国集团。未另行通知。https://www.nuclearsuppliersgroup.org/en/outreach.

核供应国集团。n.d.b.NSG常见问题解答。https://www.nuclearsuppliersgroup.org/en/nsg-faq.

核威胁倡议。n.d.应对网络核安全威胁。https://www.nti.org/about/programs-projects/project/addressing-cyber-nuclear-security-threats/.

太平洋西北国家实验室。n.d.出口管制。https://www.pnnl.gov/explainer-articles/export-controls.

Pal，B.，Gillmeister，S.，&；Purohit，A.2016。“基于实时机器学习的真空泵预测性和预防性维护。”专利20160245279。

Papich，K.2021。“不那么基本：pH值和磷酸盐监测的进展增强了核燃料回收的安全性。”太平洋西北国家实验室。https://www.pnnl.gov/news-media/not-so-basic-advances-ph-and-phosphate-monitoring-enhance-safety-nuclear-fuel-recycling.

Peeva，A.2021<国际原子能机构与国际电联和联合国大家庭合作，促进人工智能的发展。国际原子能机构，11月17日。https://www.iaea.org/newscenter/news/iaea-teams-up-with-itu-and-un-family-to-promote-ai-for-good.

中华人民共和国。2017年，《中华人民共和国网络安全法》。https://digichina.stanford.edu/work/translation-cybersecurity-law-of-the-peoples-republic-of-china-effective-june-1-2017/.

中华人民共和国。2020.修订后的《禁止或限制出口技术目录》。用中文。https://www.gov.cn/zhengce/zhengceku/2020-08/29/5538299/files/135c5cdd6baa46a986ac5e51a1a49ac3.pdf.

中华人民共和国。2021.《中华人民共和国数据安全法》。http://www.npc.gov.cn/englishnpc/c23934/202112/1abd8829788946ecab270e469b13c39c.shtml.

Pouraria，H.等人使用基于遗传算法的人工神经网络对涡流管的冷却性能进行建模。热科学20（1）：53-65。doi:10.2298/TSCI140126112P。

Rickli，J.M.2019。人工智能对核战略、威慑和稳定的破坏稳定前景<人工智能对战略稳定和核风险的影响。SIPRI，斯德哥尔摩，91-98。

Rockwood，L.，Mayhew，N.，Lazarev，A.，&；Pfneisl，M.2021。国际原子能机构保障监督：保持领先地位。https://vcdnp.org/wp-content/uploads/2019/09/201914-iaea-safeguards-staying-ahead-of-the-game.pdf.

Roskoshnaya，玛丽亚。2023年2月1日。个人交流

Shabani，M.O；马扎赫里，A.2012。纳米陶瓷颗粒增强金属基复合材料数值模拟中的人工智能应用数学建模，36（11），5455-5465。doi:10.1016/j.apm.2011.12.059.

Shelly，A.n.d.特色故事-预测性智能阀应用。https://valve-world.net/a-predictive-smart-valve-application/.

Silver，D.，T.Hubert，J.Schrittwiser，I.Antonoglou，M.Lai，A.Guez，M.Lanctot，…和D.Hassabis。2017.通过一般强化学习自学国际象棋和将棋https://www.linkedin.com/pulse/building-machine-learning-valve-design-app-sandip-jadhav/algorithm.arXiv预印本arXiv:1712.01815.

Silver，D.，T.Hubert，J.Schrittwiser，I.Antonoglou，M.Lai，A.Guez，M.Lanctot，…和D.Hassabis。2018.一种通用的强化学习算法，通过自我游戏掌握国际象棋、将棋和围棋科学362（6419）：1140-1144。doi:10.126/science.aar6404.

SKF。2020.基于机器学习的预测性维护改变了游戏规则。https://www.skf.com/au/news-and-events/news/2020/2020-11-02-machine-learning-based-predictive-maintenance-changes-the-game.

Stewart，I.&；布鲁尔，J.2016。让私营部门参与防扩散：从业者的思考战略贸易评论2（3）：143-152。https://strategictraderesearch.org/wp-content/uploads/2017/09/Engaging-the-Private-Sector-in-Nonproliferation-Reflections-from-Practitioners.pdf.

Stoutland，O.2019。“人工智能与美国核力量的现代化”，《人工智能对战略稳定和核风险的影响》，第一卷，欧洲-大西洋视角编辑。作者Vincent Boulanin，63-67。SIPRI

Tecli，I.2021。早期管道设计的机器学习<国际海洋环境工程与研究协会（IAHR），89-93。https://henry.baw.de/bitstream/20.500.11970/109519/1/HydroLink_2021_3_Machine%20learning%20for%20early%20stage%20piping%20design.pdf.

《核时报》。2016年。横向和纵向扩散。https://thenucleartimes.wordpress.com/2016/12/12/horizontal-vs-vertical-proliferation/.

Topychkanov，p.2019。“俄罗斯核力量的自主性”，《人工智能对战略稳定和核风险的影响》，第一卷，欧洲-大西洋视角编辑。作者Vincent Boulanin，68-75。SIPRI

联合国。n.d.目标16：促进和平与包容的社会可持续发展，为所有人提供诉诸司法的机会，并在各级建立有效、负责和包容的机构

联合国全球契约。n.d.UNSDG为商务部解释https://www.unglobalcompact.org/sdgs/about.

加州大学伯克利分校核工程。2020年秋季系列学术讨论会：凯文·菲尔德。https://nuc.berkeley.edu/rapid-nuclear-materials-discovery-through-innovative-approaches-to-characterization/.

伦敦城市大学。n.d.用于压缩机系统加速性能预测和设计的人工智能工具。https://www.city.ac.uk/prospective-students/finance/funding/artificial-intelligence-tools-for-accelerated-performance-predictions-and-design-in-compressor-systems.

Vincent，B.2019。“核武器系统中机器学习和自主的未来”，《人工智能对战略稳定性和核风险的影响》，第一卷，欧洲-大西洋视角编辑。作者Vincent Boulanin，53-62。SIPRI

Vinoth Kumar，K.&；用人工智能方法检测异步电动机定子和转子故障〉，《基于软计算的非线性控制系统设计》，Pratap Singh，U.，Tiwari，A.，&；Kumar Singh，R.IGI Global，2018，第278-285页。
Vladimirova，S.、Ziabkin，M.、Klochko，G.、Koriagin，S.、Merzlikin，V.、Khabarov，V.、Shevchenko，N.出口控制。出口专家的教科书[Eksportnyi kontrol.Uchebnik dlia spetsialistov po-eksportnomu kontroliu]。2014年。俄语。https://ippe.ru/images/export-control/uch-pos-2014.pdf
Wood，H.，Glaser，A.，&；肯普，S.2008。“气体离心机与核武器扩散。”《今日物理学》61（9）：40。doi:10.1063/1.2982121。
Xu，X.等人2023。“基于强化学习和遗传算法的跨声速压缩机转子的人工智能气动设计方法。”应用科学13（2）。doi:10.3390/app13021026。
Yazdani Asrami，M.等人2022。“应用超导的人工智能方法：材料、设计、制造、测试、运行和状态监测。”超导科学与技术35（12）。doi:10.1088/1361-668/ac80d8.
公告将专家的声音提升到噪音之上。但作为一个独立的非营利媒体组织，我们的运营依赖于像你这样的读者的支持。帮助我们继续提供高质量的新闻报道，让领导者负起责任。你在任何层面上对我们工作的支持都是重要的。作为回报，我们承诺我们的报道将是可理解的、有影响力的、警惕的、以解决方案为导向的和公正的。我们一起可以有所作为

关键词：AI；原子能的核材料；激增防扩散
主题：人工智能，颠覆性技术耶路撒冷希伯来大学政治学系博士生，还有一个军控部的人。。。阅读更多
Nikita Degtyarev是Open Nuclear Network的研究顾问，他致力于开源数据分析工具的测试和。。。阅读更多

版权所有©2023原子科学家公报。保留所有权利。使用条款隐私政策

1307 East 60th Street，Chicago，IL 60637|773.702.6308

简介