2026年在全球積極導入人工智慧AI協助科學研究的浪潮下，放射性廢棄物最終處置的台灣本土技術研發團隊亦不落人後。面對核廢處置的長遠挑戰，世代交替與公眾溝通刻不容緩，清華大學放射性廢棄物處置技術研發中心（RWRDC）自2019年成立以來，便致力於從校園扎根，培育跨世代專業青年人才。自2022年啟動「放射性廢棄物最終處置技術發展整合計畫」迄今，已建立起長期產學研團隊合作模式，透過定期線上會議、邀請專家學者專題演講，參加國際核廢處置學術會議等，長期持續蒐集與彙整國內外最新文獻與報告，並透過最新計算程式與不同實驗技術方法交互驗證，確保我國具有本土放射性廢棄物最終處置技術自主研發能力，同時更實現2025核電廠除役後長期人才培育的具體承諾。2025年團隊成員也共同完成了以下4篇SCI國際論文發表：

1. Applying multiple processes nonequilibrium model to investigate cesium transport in crushed granite https://doi.org/10.1515/kern-2024-0122

2. Colloid-driven radionuclide migration in granite: Experimental evidence and safety assessment Relevance https://doi.org/10.1016/j.jrras.2025.101988

3. Integration of Fourier and Wavelet transform for adsorption mechanism of Cesium study based on X-ray diffraction and absorption spectroscopy https://doi.org/10.1109/ACCESS.2025.3554742

4. A minute-level analysis between environmental gamma dose rate and precipitation DOI: 10.1109/ACCESS.2025.3649414

「放射性廢棄物最終處置技術發展整合計畫115年1月團隊期末會議」115年1月8日上午9時在清大綠能館207會議室舉行，共有成大資源工程系系徐國錦教授、陳尚潁博士、鄭俊平同學，與國原院化學所林群智博士、陳亮丞先生以及清大放廢中心蔡世欽博士、田能全博士、李傳斌博士、邱惠敏小姐、王昱閎同學等11人參會，藉由工作會議檢視各項技術成果與技術交流討論。本次會議包括:成大陳尚潁博士介紹最新的「物理導向神經網路（Introduction to Physics-informed Neural Networks, PINNs）」，解析如何將物理定律結合至深度學習模型中，為解決複雜的地質處置場流體力學問題提供了新的運算與驗證方法；成大鄭俊平同學針對地質介質的異質性，進行「隨機非均質介質中溶質傳輸的隨機不確定性分析（Stochastic uncertainty analysis for solute transport）」文獻研究報告，利用Karhunen-Loeve展開法進行深入探討，對於評估處置場長期的安全性具有重要意義。清大王昱閎同學進行「利用機器學習預測固相族群中銫的分配係數（Predicting the distribution coefficient of cesium in solid phase groups using machine learning）」的文獻研究報告，說明了最新AI大數據驅動方法在預測放射性核種吸附行為上的潛力，以JAEA-SDB資料庫為基礎，透過AI可系統性的探討分配係數(Kd值)在不同地質環境與實驗方法條件下的差異分析。

面對2026年最新的AI國際趨勢，團隊將持續以跨領域的創新思維，今年的會議已增加「先進計算科學」與「AI人工智慧」在核廢處置領域的應用，將持續透過定期的工作會議，加強清大、成大與國原院在本土放射性廢棄物處置技術上的整合，並提供了一個交流平台，讓更多青年學子能直接了解且參與本土放射性廢棄物最終處置工作，落實「技術扎根、人才培育」，為我國放射性廢棄物最終處置的安全與技術長期發展貢獻心力。

(文/孫奇睿，圖/李傳斌、邱惠敏)