論文の概要: Machine Learning and Artificial Intelligence-Driven Multi-Scale Modeling for High Burnup Accident-Tolerant Fuels for Light Water-Based SMR Applications

• arxiv url: http://arxiv.org/abs/2209.12146v1
• Date: Sun, 25 Sep 2022 04:41:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-27 15:20:52.118364
• Title: Machine Learning and Artificial Intelligence-Driven Multi-Scale Modeling for High Burnup Accident-Tolerant Fuels for Light Water-Based SMR Applications
• Title（参考訳）: 軽水系smr用高燃焼事故耐性燃料の機械学習と人工知能駆動多スケールモデリング
• Authors: Md. Shamim Hassan, Abid Hossain Khan, Richa Verma, Dinesh Kumar, Kazuma Kobayashi, Shoaib Usman and Syed Alam
• Abstract要約: 小型モジュール型原子炉の概念は、将来のエネルギー危機に対処するための展望を変えた。 この研究は、小さなモジュール型原子炉の設計最適化、制御、監視における機械学習と人工知能の適用に焦点を当てている。
• 参考スコア（独自算出の注目度）: 0.3745741215827112
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The concept of small modular reactor has changed the outlook for tackling future energy crises. This new reactor technology is very promising considering its lower investment requirements, modularity, design simplicity, and enhanced safety features. The application of artificial intelligence-driven multi-scale modeling (neutronics, thermal hydraulics, fuel performance, etc.) incorporating Digital Twin and associated uncertainties in the research of small modular reactors is a recent concept. In this work, a comprehensive study is conducted on the multiscale modeling of accident-tolerant fuels. The application of these fuels in the light water-based small modular reactors is explored. This chapter also focuses on the application of machine learning and artificial intelligence in the design optimization, control, and monitoring of small modular reactors. Finally, a brief assessment of the research gap on the application of artificial intelligence to the development of high burnup composite accident-tolerant fuels is provided. Necessary actions to fulfill these gaps are also discussed.
• Abstract（参考訳）: 小型モジュール型原子炉の概念は将来のエネルギー危機に対処するための展望を変えた。 この新しい原子炉技術は、低い投資要件、モジュール性、設計の単純さ、安全性の強化などを考慮して、非常に有望である。 デジタルツインとそれに伴う小型モジュール型原子炉の研究における不確実性を取り入れた人工知能駆動多スケールモデリング(ニュートロニクス、熱水理学、燃料性能など)の応用は最近の概念である。 本研究では,事故耐性燃料のマルチスケールモデリングに関する総合的研究を行った。 軽水系小型モジュール型原子炉へのこれらの燃料の適用について検討した。 この章は、小さなモジュラーリアクターの設計最適化、制御、監視における機械学習と人工知能の適用に焦点を当てている。 最後に、高燃焼性複合事故耐性燃料の開発における人工知能の応用に関する研究ギャップを簡潔に評価する。 これらのギャップを満たすために必要なアクションについても論じる。

関連論文リスト

• Design Optimization of Nuclear Fusion Reactor through Deep Reinforcement Learning [4.297070083645049]
  本研究では,核融合炉の設計を最適化するための深部強化学習の適用について検討する。 提案手法により, 建設コストを低減しつつ, 運転要件を満たす最適原子炉設計の立案が可能となる。
  論文  参考訳（メタデータ） (2024-09-12T17:23:01Z)
• Aquatic Navigation: A Challenging Benchmark for Deep Reinforcement Learning [53.3760591018817]
  ゲームエンジンとDeep Reinforcement Learningの統合の最近の進歩を利用して,水上ナビゲーションのための新しいベンチマーク環境を提案する。 具体的には、最も広く受け入れられているアルゴリズムの一つであるPPOに着目し、先進的なトレーニング手法を提案する。 実験により,これらの成分をうまく組み合わせることで,有望な結果が得られることが示された。
  論文  参考訳（メタデータ） (2024-05-30T23:20:23Z)
• Towards Foundation Model for Chemical Reactor Modeling: Meta-Learning with Physics-Informed Adaptation [14.835081385422653]
  本稿では, 化学反応器モデリングにおける基礎モデルの新たな応用について述べる。 我々のモデルは3つの古典的な原子炉タイプにまたがって一般化するように設計されている。 これは、異なる反応器のセットアップにまたがる様々な整数の順序で、目に見えない反応に迅速に適応することを示している。
  論文  参考訳（メタデータ） (2024-05-20T03:26:58Z)
• Chemist-X: Large Language Model-empowered Agent for Reaction Condition Recommendation in Chemical Synthesis [57.70772230913099]
  Chemist-Xは、検索増強生成(RAG)技術を用いた化学合成において、反応条件レコメンデーション(RCR)タスクを自動化する。 Chemist-Xはオンラインの分子データベースを尋問し、最新の文献データベースから重要なデータを蒸留する。 Chemist-Xは化学者の作業量を大幅に減らし、より根本的で創造的な問題に集中できるようにする。
  論文  参考訳（メタデータ） (2023-11-16T01:21:33Z)
• Machine Learning-Assisted Discovery of Flow Reactor Designs [0.0]
  本稿では,次世代の化学反応器の設計のための機械学習支援手法を提案する。 我々は高次元パラメータ化、計算流体力学、多次元ベイズ最適化を適用する。 従来の設計よりも60%のプラグフロー性能向上をもたらす新しい設計特徴の選定を合理化する。
  論文  参考訳（メタデータ） (2023-08-17T08:00:20Z)
• CoolPINNs: A Physics-informed Neural Network Modeling of Active Cooling in Vascular Systems [0.0]
  超音速航空機、宇宙探査車、バッテリーなどの新しい技術は、効率的な熱調節のために組込みマイクロ血管内での流体循環に有効である。 欠けているのは、複雑な血管レイアウトにまたがる熱流束の急激なジャンプをキャプチャする正確なフレームワークです。 本稿では,物理インフォームドニューラルネットワーク(PINN)のパワーを活用して,これらの課題に対処する。
  論文  参考訳（メタデータ） (2023-03-09T14:51:10Z)
• A Hybrid Data-Driven Multi-Stage Deep Learning Framework for Enhanced Nuclear Reactor Power Prediction [0.4166512373146748]
  本稿では,リアクトル過渡期の最終定常電力を予測するための,新しい多段階深層学習フレームワークを提案する。 我々は、分類段階と回帰段階の両方のフィードフォワードニューラルネットワークを使用し、リアクトルパワーの実環境計測と制御状態を統合したユニークなデータセットをトレーニングする。 ノイズを伴うシミュレーションデータの取り込みにより、モデルの一般化能力が大幅に向上し、オーバーフィッティングのリスクが軽減される。
  論文  参考訳（メタデータ） (2022-11-23T17:32:52Z)
• Advancing Reacting Flow Simulations with Data-Driven Models [50.9598607067535]
  マルチ物理問題における機械学習ツールの効果的な利用の鍵は、それらを物理モデルとコンピュータモデルに結合することである。 本章では, 燃焼システムにおけるデータ駆動型低次モデリングの適用可能性について概説する。
  論文  参考訳（メタデータ） (2022-09-05T16:48:34Z)
• Improving Molecular Representation Learning with Metric Learning-enhanced Optimal Transport [49.237577649802034]
  分子レグレッション問題に対する一般化能力を高めるために,MROTと呼ばれる新しい最適輸送ベースアルゴリズムを開発した。 MROTは最先端のモデルよりも優れており、新しい物質の発見を加速する有望な可能性を示している。
  論文  参考訳（メタデータ） (2022-02-13T04:56:18Z)
• Efficient Transformers in Reinforcement Learning using Actor-Learner Distillation [91.05073136215886]
  「Actor-Learner Distillation」は、大容量学習者モデルから小容量学習者モデルへ学習の進捗を移す。 Actor-Learner Distillation を用いて,トランスフォーマー学習モデルの明確なサンプル効率向上を再現する,いくつかの挑戦的なメモリ環境を実証する。
  論文  参考訳（メタデータ） (2021-04-04T17:56:34Z)
• Knowledge Distillation: A Survey [87.51063304509067]
  ディープニューラルネットワークは、特にコンピュータビジョンタスクにおいて、産業と学術の両方で成功している。 リソースが限られているデバイスに、これらの面倒なディープモデルをデプロイすることは難しい。 知識蒸留は、大きな教師モデルから小さな学生モデルを効果的に学習する。
  論文  参考訳（メタデータ） (2020-06-09T21:47:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。