論文の概要: Techno-economic optimization of a heat-pipe microreactor, part II: multi-objective optimization analysis

• arxiv url: http://arxiv.org/abs/2601.20079v1
• Date: Tue, 27 Jan 2026 21:54:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-29 15:46:06.675269
• Title: Techno-economic optimization of a heat-pipe microreactor, part II: multi-objective optimization analysis
• Title（参考訳）: 熱パイプ型マイクロリアクターの技術・経済最適化(第2報):多目的最適化解析
• Authors: Paul Seurin, Dean Price,
• Abstract要約: ヒートパイプマイクロリアクター(HPMR)は、アクセスが制限され、高価な燃料に依存する遠隔地への展開に適している。 代理モデリングと強化学習(RL)に基づく最適化を組み込んだフレームワークを開発する。 Lシナリオを最適化するための4つの重要な戦略が一貫して現れた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Heat-pipe microreactors (HPMRs) are compact and transportable nuclear power systems exhibiting inherent safety, well-suited for deployment in remote regions where access is limited and reliance on costly fossil fuels is prevalent. In prior work, we developed a design optimization framework that incorporates techno-economic considerations through surrogate modeling and reinforcement learning (RL)-based optimization, focusing solely on minimizing the levelized cost of electricity (LCOE) by using a bottom-up cost estimation approach. In this study, we extend that framework to a multi-objective optimization that uses the Pareto Envelope Augmented with Reinforcement Learning (PEARL) algorithm. The objectives include minimizing both the rod-integrated peaking factor ($F_{Δh}$) and LCOE -- subject to safety and operational constraints. We evaluate three cost scenarios: (1) a high-cost axial and drum reflectors, (2) a low-cost axial reflector, and (3) low-cost axial and drum reflectors. Our findings indicate that reducing the solid moderator radius, pin pitch, and drum coating angle -- all while increasing the fuel height -- effectively lowers $F_{Δh}$. Across all three scenarios, four key strategies consistently emerged for optimizing LCOE: (1) minimizing the axial reflector contribution when costly, (2) reducing control drum reliance, (3) substituting expensive tri-structural isotropic (TRISO) fuel with axial reflector material priced at the level of graphite, and (4) maximizing fuel burnup. While PEARL demonstrates promise in navigating trade-offs across diverse design scenarios, discrepancies between surrogate model predictions and full-order simulations remain. Further improvements are anticipated through constraint relaxation and surrogate development, constituting an ongoing area of investigation.
• Abstract（参考訳）: 熱パイプマイクロリアクター(HPMR)は小型で輸送可能な原子力システムであり、アクセスが制限され、高価な化石燃料に依存している遠隔地への配備に適している。 本研究では、ボトムアップコスト推定手法を用いて、電力のレベル化コスト(LCOE)を最小化することに集中して、サロゲートモデリングと強化学習(RL)に基づく最適化による技術経済的な考察を取り入れた設計最適化フレームワークを開発した。 本研究では,このフレームワークを,強化学習(PEARL)アルゴリズムを用いた多目的最適化に拡張する。 目的には、ロッド積分ピーク係数(F_{Δh}$)とLCOEの両方を安全性と運用上の制約の下で最小化することが含まれる。 本研究では,(1)高コスト軸反射器とドラム反射器,(2)低コスト軸反射器,(3)低コスト軸反射器とドラム反射器の3つのコストシナリオを評価する。 その結果, 燃料高さを増大させながら, 固体モデレーター半径, ピンピッチ, ドラムコーティング角を減少させることで, F_{Δh}$を効果的に下げることがわかった。 LCOEの最適化には,(1)低コストで軸反射率の寄与を最小限に抑えること,(2)コントロールドラムの信頼性を下げること,(3)高価な三重構造等方性燃料をグラファイトで高価な軸反射率材料に置き換えること,(4)燃料の燃焼を最大化すること,の4つの重要な戦略が一貫して現れた。 PEARLはさまざまな設計シナリオでトレードオフをナビゲートする可能性を実証しているが、代理モデル予測とフルオーダーシミュレーションの相違は残る。 規制緩和と代理開発によってさらなる改善が期待され、現在進行中の調査領域を構成している。

関連論文リスト

• How to Set the Learning Rate for Large-Scale Pre-training? [73.03133634525635]
  我々はこの調査を2つの異なる研究パラダイムであるフィッティングとトランスファーに定式化する。 フィッティングパラダイムでは,探索係数のスケーリング法則を導入し,O(n3) から O(n*C_D*C_) への探索複雑性を予測モデルにより効果的に低減する。 我々は、$Transferの原則をMixture of Experts (MoE)アーキテクチャに拡張し、モデル深さ、重量減衰、トークン水平線を含む適用範囲を広げる。
  論文  参考訳（メタデータ） (2026-01-08T15:55:13Z)
• Techno-economic optimization of a heat-pipe microreactor, part I: theory and cost optimization [0.0]
  マイクロリアクターは、高価な燃料が支配的な遠隔地へのアクセスに適している。 彼らは規模の不一致に悩まされ、その財政的生存性はいまだに説得力のないままである。 本稿では,テクノ・経済学的考察を考慮に入れた新しい幾何学的設計最適化手法を提案する。
  論文  参考訳（メタデータ） (2025-12-17T23:28:13Z)
• Momentum-constrained Hybrid Heuristic Trajectory Optimization Framework with Residual-enhanced DRL for Visually Impaired Scenarios [4.735413508037063]
  本稿では,視覚障害者の補助ナビゲーションに適した運動量制約付きハイブリッド軌道最適化フレームワーク(MHHTOF)を提案する。 残留深部強化学習(DRL)による軌道サンプリング生成、最適化、評価の統合 実験の結果,提案したLSTM-BResPPOは,PPOが要求する約半数のトレーニングにおいて,安定な政策性能を実現することができることがわかった。
  論文  参考訳（メタデータ） (2025-09-19T04:33:39Z)
• Evaluation of Nuclear Microreactor Cost-competitiveness in Current Electricity Markets Considering Reactor Cost Uncertainties [2.2002244657481826]
  本稿では、今日の電力市場におけるマイクロリアクターのコスト競争性を評価し、原子炉コストの不確実性に着目した。 遺伝的アルゴリズム(GA)は、原子炉燃料の濃縮、尾の濃縮、燃料交換間隔、排出燃焼といった重要な技術パラメータを最適化するために用いられる。 その結果、マイクロリアクターはコスト競争力を維持することができ、生産税額控除(PTC)が支持すれば、Lは48.21/MWhから78.32/MWhとなる。 オフショア風、水力、バイオマスといった従来の原子力、石炭、再生可能エネルギーと比較して、最適化されたマイクロア
  論文  参考訳（メタデータ） (2025-06-16T11:04:48Z)
• Fourier Neural Operator based surrogates for $CO_2$ storage in realistic geologies [57.23978190717341]
  我々は,$CO$ plume マイグレーションのリアルタイム・高分解能シミュレーションのためのニューラル演算子(FNO)モデルを開発した。 このモデルは、現実的な地下パラメータから生成された包括的なデータセットに基づいて訓練される。 本稿では,実際の地質学的位置を評価する上で重要なモデルから予測の信頼性を向上させるための様々な戦略を提案する。
  論文  参考訳（メタデータ） (2025-03-14T02:58:24Z)
• The Dual-use Dilemma in LLMs: Do Empowering Ethical Capacities Make a Degraded Utility? [54.18519360412294]
  大きな言語モデル(LLM)は、安全のための有害な要求を拒否することと、ユーティリティのための正当な要求を収容することのバランスをとる必要がある。 本稿では,DPO(Direct Preference Optimization)に基づくアライメントフレームワークを提案する。 我々は,DeepSeek-R1をベンチマークでテストした結果を解析し,この高い評価を得たモデルがもたらす批判的倫理的懸念を明らかにする。
  論文  参考訳（メタデータ） (2025-01-20T06:35:01Z)
• Scalable Online Exploration via Coverability [45.66375686120087]
  探索は、特に関数近似を必要とする高次元領域において、強化学習において大きな課題である。 従来の探索手法を一般化し,3つの基本デシラタをサポートする新しい目的である$L_Coverageを導入する。 $L_Coverageは、カバー可能性の低いMDPにおけるオンライン(リワードフリーまたは報酬駆動)強化学習のための、最初の計算効率のよいモデルベースおよびモデルフリーのアルゴリズムを可能にする。
  論文  参考訳（メタデータ） (2024-03-11T10:14:06Z)
• A Modifiable Architectural Design for Commercial Greenhouses Energy Economic Dispatch Testbed [0.0]
  商業用温室は、二酸化炭素排出量に対処しながら、エネルギーコストを最小化しようとしている。 本稿では,商業用温室用エネルギー経済派遣テストベッドの建築設計について述べる。
  論文  参考訳（メタデータ） (2024-01-08T13:36:31Z)
• A Reinforcement Learning Approach for Process Parameter Optimization in Additive Manufacturing [0.0]
  本稿では,金属添加物製造分野における最適化問題に転換した強化学習(RL)手法を紹介する。 実験的に検証されたEagar-Tsaiの定式化は、レーザー指向のエネルギー沈着環境をエミュレートするために用いられる。 したがって、このフレームワークは、事前の観察なしに学習するためのモデルなしのアプローチを提供する。
  論文  参考訳（メタデータ） (2022-11-17T14:05:51Z)

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。