論文の概要: Neural Operator-Based Surrogate Model for CFD:Helical Coil Steam Generator in Small Modular Reactor

• arxiv url: http://arxiv.org/abs/2605.30277v1
• Date: Thu, 28 May 2026 17:33:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:56.632961
• Title: Neural Operator-Based Surrogate Model for CFD:Helical Coil Steam Generator in Small Modular Reactor
• Title（参考訳）: CFD:Helical Coil Steam Generatorの小型モジュールリアクターにおけるニューラル演算子に基づくサロゲートモデル
• Authors: Minseo Lee, Seongmin Oh, Chaehyeon Song, Bumjin Cho, Shilaj Baral, Sangam Khanal, Minseop Song, Joongoo Jeon,
• Abstract要約: 小型モジュール型原子炉の安全かつ効率的な運転を支援するディジタルツイン(DT)技術には,リアルタイム熱・油圧シミュレーションが不可欠である。 計算流体力学(CFD)は高忠実度フロー解析を提供するが、その計算コストはDTアプリケーションで直接の使用を妨げている。 本研究では、リダクションオーダーモデル(ROM)とニューラル演算子を組み合わせた統合フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.5621251909851629
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Real-time thermal-hydraulic simulation is essential for digital twin (DT) technology that supports the safe and efficient operation of small modular reactors (SMRs). Computational fluid dynamics (CFD) provides high-fidelity flow analysis, but its computational cost prevents direct use in DT applications. AI-based surrogate modeling has been actively investigated to address this limitation, yet neural operator--based surrogates for CFD-level transient analysis of SMR-specific geometries have not been reported. This study presents an integrated framework that combines a reduced-order model (ROM) with neural operators, applied to the helical coil steam generator (HCSG) of the System-integrated Modular Advanced Reactor (SMART). Two ROM strategies tailored to each CFD data type were compared, an MLP-based autoencoder (AE) for unstructured mesh data and a convolutional autoencoder (CAE) for structured mesh data, and each was coupled with the deep operator network (DeepONet) to construct the latent DeepONet (L-DeepONet). The Fourier neural operator (FNO) was additionally adopted for comparison. A multi-scale technique was incorporated into both frameworks to mitigate spectral bias and improve the prediction of Kármán vortex streets developing inside the HCSG. The multi-scale L-DeepONet captured the instantaneous periodic vortex dynamics in both velocity and pressure fields, while the FNO and its multi-scale variant predicted the time-averaged mean flow and provided reliable pressure drop estimates. These complementary characteristics provide a practical model-selection guideline that links each architecture to specific DT objectives based on CFD data type and the required level of flow resolution.
• Abstract（参考訳）: 小型モジュール型原子炉(SMR)の安全かつ効率的な運転を支援するディジタルツイン(DT)技術には,リアルタイム熱・油圧シミュレーションが不可欠である。 計算流体力学(CFD)は高忠実度フロー解析を提供するが、その計算コストはDTアプリケーションで直接の使用を妨げている。 AIに基づくサロゲートモデリングは、この制限に対処するために活発に研究されているが、SMR固有のジオメトリのCFDレベルの過渡解析のためのニューラル演算子に基づくサロゲートは報告されていない。 そこで本研究では,リダクションオーダモデル(ROM)とニューラル演算子を組み合わせた統合フレームワークを,システム集積型モジュールアドバンストリアクター(SMART)のヘリカルコイル蒸気発生器(HCSG)に適用した。 各CFDデータタイプに合わせた2つのROM戦略を比較し、非構造化メッシュデータ用のMLPベースのオートエンコーダ(AE)と、構造化メッシュデータのための畳み込みオートエンコーダ(CAE)を比較し、それぞれがDeepONet(DeepONet)と結合して潜伏したDeepONet(L-DeepONet)を構築した。 フーリエニューラル演算子 (FNO) も比較に採用された。 スペクトルバイアスを緩和し、HCSG内で発達するカルマン・ボルテックス・ストリートの予測を改善するため、両方のフレームワークにマルチスケール技術が組み込まれた。 マルチスケールL-DeepONetは、速度場と圧力場の両方において、瞬時周期渦のダイナミクスを捉え、FNOとそのマルチスケールの変種は、平均的な平均流を予測し、信頼性の高い圧力降下推定を提供した。 これらの相補的な特徴は、CFDデータタイプと要求されるフロー解像度に基づいて、各アーキテクチャを特定のDT目標にリンクする実用的なモデル選択ガイドラインを提供する。

関連論文リスト

• High-fidelity Modeling of Full-scale Pressurized Water Reactor Flow Fields for Machine Learning Applications [3.8347851078346427]
  本研究は, 加圧水型原子炉における高忠実度計算流体力学(CFD)および組立レベル流動特性評価のためのデータ駆動モデリングフレームワークを提案する。 ポンプ誘起スワール境界条件による過渡的シミュレーションを可能にするために, 一般に利用可能な幾何学的条件と操作条件を用いて, フルロープルおよびコア・インレット領域を構築した。 その結果, コールドレッグスワールおよびロウアープレナム輸送は, 特に下部コア付近において, 組立方向のインレットフロー分布を強く均一に生成することがわかった。 3次元畳み込み型塗装モデルによる部分観察による組立レベル質量流量の復元に成功した
  論文  参考訳（メタデータ） (2026-05-23T22:50:23Z)
• Multifidelity Surrogate Modeling of Depressurized Loss of Forced Cooling in High-temperature Gas Reactors [0.15469452301122175]
  多忠実サロゲートモデルは、様々な解像度のシミュレーションからの情報を組み合わせることでコスト削減のアプローチを提供する。 CFDモデルがアンシスフルエントで開発され、各忠実度レベルで1000のシミュレーションサンプルが生成される。
  論文  参考訳（メタデータ） (2026-03-14T22:20:05Z)
• DeepONet-accelerated Bayesian inversion for moving boundary problems [0.0]
  この研究は、ニューラルネットワークの学習が、移動境界系の高速で正確なエミュレータを構築するための強力で柔軟なフレームワークを提供することを示した。 Deep Operator Network (DeepONet) アーキテクチャを用いて, 多孔質媒質中における単相ダーシー流における境界問題移動のための効率的なサロゲートモデルを構築した。 樹脂転写成形法(RTM)プロセスを用いて製造した複合材料に対する繊維補強材の透過性とポーシティを推定することにより, インバージョンフレームワークを実証した。
  論文  参考訳（メタデータ） (2025-12-23T11:22:26Z)
• Physically Interpretable Representation and Controlled Generation for Turbulence Data [39.42376941186934]
  本稿では,高次元科学的データを低次元,物理的に意味のある表現に符号化するデータ駆動型手法を提案する。 レイノルズ数の範囲を越えるシリンダーを過ぎる流れの2次元ナビエ・ストークスシミュレーションを用いて,本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2025-01-31T17:51:14Z)
• DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
  本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。 フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
  論文  参考訳（メタデータ） (2024-06-05T06:18:03Z)
• Koopman-Based Surrogate Modelling of Turbulent Rayleigh-Bénard Convection [4.248022697109535]
  我々は,LRAN(Linear Recurrent Autoencoder Network)と呼ばれるクープマンにインスパイアされたアーキテクチャを用いて,対流中の低次ダイナミクスを学習する。 従来の流体力学法であるKernel Dynamic Mode Decomposition (KDMD)を用いてLRANを比較する。 我々は,最も乱流条件下では,KDMDよりもLRANの方が正確な予測値を得た。
  論文  参考訳（メタデータ） (2024-05-10T12:15:02Z)
• Temporally Consistent Koopman Autoencoders for Forecasting Dynamical Systems [38.36312939874359]
  時間的に一貫したクープマンオートエンコーダ(tcKAE)を導入する。 tcKAEは、限られたノイズの多いトレーニングデータであっても、正確な長期予測を生成する。 我々は、様々なテストケースにおいて、最先端のKAEモデルよりもtcKAEの優れた性能を実証的に示す。
  論文  参考訳（メタデータ） (2024-03-19T00:48:25Z)
• Model-based Deep Learning Receiver Design for Rate-Splitting Multiple Access [65.21117658030235]
  本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。 MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。 その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
  論文  参考訳（メタデータ） (2022-05-02T12:23:55Z)
• Accurate Discharge Coefficient Prediction of Streamlined Weirs by Coupling Linear Regression and Deep Convolutional Gated Recurrent Unit [2.4475596711637433]
  本研究では,CFDシミュレーションに代わるデータ駆動モデリング手法を提案する。 提案した3層階層型DLアルゴリズムは,後続の2つのGRUレベルを結合した畳み込み層で構成されており,LR法とハイブリダイゼーションすることで,誤差の低減につながることがわかった。
  論文  参考訳（メタデータ） (2022-04-12T01:59:36Z)
• Dynamic Mode Decomposition in Adaptive Mesh Refinement and Coarsening Simulations [58.720142291102135]
  動的モード分解(DMD)はコヒーレントなスキームを抽出する強力なデータ駆動方式である。 本稿では,異なるメッシュトポロジと次元の観測からDMDを抽出する戦略を提案する。
  論文  参考訳（メタデータ） (2021-04-28T22:14:25Z)
• Harnessing Tensor Structures -- Multi-Mode Reservoir Computing and Its Application in Massive MIMO [39.46260351352041]
  新しいニューラルネットワーク(NN)構造、マルチモード貯留層コンピューティング(マルチモードRC)を紹介します。 マルチモードRCベースの学習フレームワークは、無線システムの実用的制約を効果的に効果的に対処することができる。
  論文  参考訳（メタデータ） (2021-01-25T20:30:22Z)

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。