de.wedoany.com-Bericht: Forscher des Argonne National Laboratory des US-Energieministeriums nutzen Transformer-basierte Modelle, um die Simulation der Fluiddynamik in fortschrittlichen Kernreaktoren zu beschleunigen und Ingenieuren so eine schnellere Untersuchung der Sicherheit und Leistung von Reaktoren zu ermöglichen.
Transformer sind die neuronale Netzarchitektur, die vielen generativen KI-Systemen zugrunde liegt. Forscher von Argonne wenden sie an, um zu simulieren, wie sich Flüssigkeiten in Kernenergiesystemen bewegen und Wärme übertragen. Das Team integrierte die Transformer-Architektur in das System Analysis Module (SAM) von Argonne, ein Simulationstool für fortschrittliche Kernreaktoren, um die Turbulenzmodellierung zu verbessern und komplexe Fluidverhalten sowie deren Auswirkungen auf das Reaktorsystem vorherzusagen.
Durch die Kombination von Transformer-Modellen mit Turbulenzsimulationen streben die Forscher schnellere und genauere Ergebnisse als mit herkömmlichen Methoden an. Dies könnte es Ingenieuren letztlich ermöglichen, ganze Kernkraftwerke zu simulieren, einschließlich Reaktoren, Kühlsystemen und anderer zugehöriger Infrastruktur. In Kernreaktoren ist die Fluidbewegung entscheidend für die Wärmeübertragung und das Zusammenspiel der Komponenten. Die Turbulenzmodellierung hilft, diese komplexen Strömungen vorherzusagen, doch detaillierte Simulationen erfordern erhebliche Rechenressourcen.
Der Transformer-basierte Ansatz von Argonne analysiert die Beziehungen zwischen physikalischen Datenpunkten, einschließlich Position, Geschwindigkeit und Fluidströmung, und zeigt eine hohe Genauigkeit bei der Darstellung von Strömungswiderstand und Wärmeübertragung. Rui Hu, leitender Nuklearingenieur und Leiter der Abteilung für Sicherheits- und Technikanalyse in der Abteilung für Nuklearwissenschaft und -technik (NSED) von Argonne, erklärte, dass mit KI die Genauigkeit komplexer Methoden bei gleichzeitiger Geschwindigkeit einfacher Methoden erreicht werden könne – eine Kombination aus Präzision und Schnelligkeit.
Laut Argonne können KI-basierte Modelle Simulationsergebnisse nahezu augenblicklich generieren, während sie die Genauigkeit beibehalten, die mit komplexeren Berechnungsmethoden verbunden ist. Dies ermöglicht es Forschern, realistischere Simulationen durchzuführen, ohne den gleichen Zeit- und Rechenaufwand zu benötigen. Eine verbesserte Modellierung kann die Arbeit an Reaktordesign, Leistung und Sicherheit unterstützen und Ingenieuren helfen, die Auswirkungen von Änderungen des Fluidverhaltens auf das gesamte Nuklearsystem zu bewerten.
Der nächste Schritt der Forscher besteht darin, das Modell auf die Simulation ganzer Kernkraftwerke anzuwenden, einschließlich des Reaktors selbst sowie der Kühl-, Sicherheits-, Hilfs- und anderer Unterstützungssysteme. Das Team erforscht zudem die digitale Zwillingstechnologie, also virtuelle Darstellungen physikalischer Systeme, die in Echtzeit laufen und aktualisiert werden können. Sie geben an, zu den ersten Forschungsteams zu gehören, die die Transformer-Architektur für digitale Zwillinge von Nuklearsystemen untersuchen.
Digitale Zwillinge könnten Ingenieuren letztlich ermöglichen, Nuklearanlagen zu überwachen und zu simulieren, während sie gleichzeitig Echtzeitinformationen des physikalischen Systems integrieren. In Kombination mit schnelleren Simulationsmodellen könnte diese Technologie ein weiteres Werkzeug zur Untersuchung der Anlagenleistung und zur Identifizierung potenzieller Probleme bieten. Zukünftige Arbeiten werden sich darauf konzentrieren, das Transformer-basierte Modell zu erweitern, seine Genauigkeit und Flexibilität zu verbessern und neue KI-Funktionen in den Simulationsworkflow von SAM zu integrieren. Das Projekt wird durch das Programm für fortschrittliche Modellierung und Simulation im Nuklearbereich (NEAMS) des US-Energieministeriums unterstützt.
