核反应堆通过核裂变产生热量，驱动涡轮机发电，提供稳定、低碳的电力，是清洁能源体系中的关键支柱。核工程师不仅要深入理解反应堆的动态行为，负责日常维护和异常识别，还必须在出现问题时及时制定并实施合适的纠正措施。

在这一背景下，基于生成式预训练变换器（GPT）的先进反应堆操作与监测助手（AROMA-GPT）应运而生。它被集成在一个数字孪生框架中，作为创新工具，有望在先进反应堆的监测和辅助控制方面发挥重要作用。

这项工具由德州农工大学核工程系助理教授杨柳博士指导，研究生助理 Zavier Ndum Ndum 负责开发。团队利用人机协同的生成式人工智能，为核工程师提供支持，帮助他们更安全、高效地运行反应堆。相关研究成果已发表于《核能进展》期刊。

Ndum 表示：“这项研究的重要性在于，它展示了在核工程领域中以实用且负责任的方式使用人工智能的路径。如果我们能够构建值得信赖的 AI 系统，帮助工程师自动化工作流程、精准检索技术知识、监控数字孪生并辅助操作员培训，就能减少整个研发过程中的阻力，从而加速设计研究、安全分析、人员培训以及最终的部署。”

这项新技术可以帮助核工程师和操作员实时把握反应堆的运行状态，并给出有依据的操作建议。其核心理念是：人工智能并非独立决策者，也不会取代人类操作员，而是嵌入一个以人为中心的框架之中，在反应堆物理规律的约束下，依托专业领域知识并连接各类工程工具开展工作。

Ndum 指出，这种设计思路有助于应对人工智能在高风险、知识密集型系统中应用时面临的三大关键问题：安全性、信任度和忠实性。安全性来自于始终保留人类在决策环节中的主导地位；信任度源于系统建立在物理和工程逻辑之上；忠实性则体现在系统行为紧密贴合经过验证的反应堆响应特性。

数字孪生是一种可实时更新的系统虚拟映像。对于现有核设施和新型先进反应堆设计，数字孪生都强调模型的准确性和时效性，有助于提升核电站运行的安全性和效率。

借助数字孪生，测试平台可以与核反应堆在不同工况下的演化过程保持同步。数字孪生以足够逼真的方式再现系统的动态状态，为分析研究、控制策略开发和决策支持提供基础。对于许多尚未建成实体装置的先进反应堆而言，这一点尤为关键，因为这些系统虽然尚在开发阶段，但已具备成熟的工程概念、活跃的研发团队和扎实的科学基础。

“通过数字孪生，我们能够搭建严谨的虚拟测试平台，用于探索设计优化、控制策略以及复杂边界工况——包括 AI 辅助控制——这些内容在现有实体电厂中往往难以直接测试。”Ndum 解释道，“这正是我在本研究中对数字孪生定义所做的关键调整。”

研究的另一大优势在于其底层框架具有高度通用性。基于物理的核心结构可以迁移到其他反应堆概念上使用，而人工智能层则可以根据需要进行替换或升级。这种灵活性意味着数字孪生不依赖某一种特定的 AI 技术路线或反应堆类型，而是能够根据不同用户和场景进行定制。

“关键不在于某一种具体的反应堆类型，也不在于某一个特定的大型语言模型。”Ndum 强调，“真正重要的是整体结构：基于物理的数字孪生、可检索的可信领域知识、专业工具或子程序，以及人类的监督。这种结构让系统具备可移植性和模型无关性，更适合在核工程领域长期应用。”

AROMA-GPT 是 Ndum 正在推进的更大研究计划的一部分，该计划聚焦于在核工程中应用基于物理、以人为核心的生成式人工智能。更宏观的目标，是构建一套可信赖的 AI 辅助应用体系，通过将成熟的物理计算代码、数字孪生和精选核知识库与专业 AI 代理相连接，加速先进反应堆技术的开发、分析、监测、培训以及最终部署。在这一整体框架中，AROMA-GPT 代表了研究愿景中面向实时监督与监测能力的具体延伸。