以 N.L. Dukhov 命名的全俄羅斯自動化研究所和 MISIS 大學的科學家提出使用基于人工神經網絡的新模型來預測核反應堆材料中缺陷的發生。研究結果對于制造具有較長使用壽命的抗輻射材料非常有用。
核反應堆燃料元件的外殼在運行過程中會形成缺陷。主要問題之一是輻射膨脹，即材料在輻射過程中體積逐漸增加，從而損害其強度和耐久性。現代快中子反應堆的燃料元件外殼采用奧氏體耐熱鋼。它必須在高劑量輻射下保持其機械性能，同時允許的變形限制在百分之幾。
有兩種“經典”方法可用于預測輻射腫脹。第一個是經驗模型。它們是可靠的，但不通用，因為它們僅限于特定的材料和條件。第二種方法是多尺度建模，它考慮從原子到宏觀的不同層面的物理過程。它還不夠準確，無法在現實條件下做出預測。
“一種有前途的方法是機器學習。人工智能可以根據鋼的成分和輻照條件來預測材料的行為。”NUST MISIS 新材料建模與開發實驗室專家 Pavel Korotaev 說道。
使用這種方法，研究人員預測了快中子輻照的完整膨脹曲線作為輻射劑量、反應堆溫度和鋼成分的函數。
“此前，沒有人利用機器學習預測腫脹的整個“穹頂”。為了訓練我們的模型，我們研究了數十種膨脹率高達 50% 的材料。因此，我們可以高精度預測腫脹。這有助于闡明不同合金材料如何影響耐輻射性。例如，鎳、鈦、磷、硅和碳等元素可以減少膨脹，但會達到一定限度，”Pavel Korotaev 補充道。
未來，科學家計劃擴展該模型的預測能力。
該研究的詳細信息發表在科學雜志《計算材料科學》(Q1)上。這項工作是在俄羅斯科學基金會的支持下進行的。
免責聲明：本網轉載自合作媒體、機構或其他網站的信息，登載此文出于傳遞更多信息之目的，并不意味著贊同其觀點或證實其內容的真實性。本網所有信息僅供參考，不做交易和服務的根據。本網內容如有侵權或其它問題請及時告之，本網將及時修改或刪除。凡以任何方式登錄本網站或直接、間接使用本網站資料者，視為自愿接受本網站聲明的約束。
