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
- Chemist-X: Large Language Model-empowered Agent for Reaction Condition
Recommendation in Chemical Synthesis [59.11837224347467]
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 Novel Reactor Designs [0.0]
我々は,次世代の化学反応器の設計のための機械学習支援アプローチを開発した。
流体力学的原理に訴えることにより,従来の設計よりも60%の性能向上をもたらす新しい設計特徴の選択を合理化する。
以上の結果から,先進的な製造技術とインテリジェンスを融合させることで,設計性能が向上し,その結果,排出削減や持続可能性も向上することが示唆された。
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) - Applying Physics-Informed Enhanced Super-Resolution Generative
Adversarial Networks to Finite-Rate-Chemistry Flows and Predicting Lean
Premixed Gas Turbine Combustors [0.0]
この研究は、最近導入されたPIESRGANを反応性有限レート化学フローへと前進させる。
The modified PIESRGAN-based model gives good agreement in a priori and a reari tests in a laminar lean premixed combustion setup。
論文 参考訳(メタデータ) (2022-10-28T15:48:26Z) - 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) - OPEn: An Open-ended Physics Environment for Learning Without a Task [132.6062618135179]
オープンエンドな物理環境で学んだ世界のモデルが、特定のタスクを伴わずに、下流の物理推論タスクに再利用できるかどうかについて検討する。
我々は,OPEn(Open-ended Physics ENvironment)のベンチマークを構築し,この環境における学習表現をテストするためのいくつかのタスクを明示的に設計する。
その結果、教師なしのコントラスト学習を表現学習に用いたエージェントと、探索のためのインパクト駆動学習が最良の結果となった。
論文 参考訳(メタデータ) (2021-10-13T17:48:23Z) - Machine learning-assisted surrogate construction for full-core fuel
performance analysis [0.0]
本研究は、いくつかの現実的な平衡PWRコア設計に基づくフルコアサロゲート構築手法を提案する。
構築されたサーロゲートは、予測精度を満足して少なくとも1万時間加速度を達成する。
論文 参考訳(メタデータ) (2021-04-17T17:02:50Z) - 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) - Deep Surrogate Models for Multi-dimensional Regression of Reactor Power [0.0]
我々は,原子炉の電力分布の高精度かつ高精度な多次元回帰を提供するニューラルネットワークの能力を確立する。
その結果、ニューラルネットワークは、自律型原子炉制御フレームワークで実装するサロゲートモデルに適した選択であることが示された。
論文 参考訳(メタデータ) (2020-07-10T15:16:36Z) - 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。