開發(fā)未來的核電系統(tǒng)需要創(chuàng)新思維和解決復(fù)雜挑戰(zhàn)的新方法。愛達(dá)荷國家實驗室 (INL) 和愛達(dá)荷大學(xué)研究人員的一個團(tuán)隊首次成功地應(yīng)用機(jī)器學(xué)習(xí)來表征金屬核燃料的微觀結(jié)構(gòu)，這些細(xì)節(jié)只有在強大的放大鏡下才能看到。

(資料圖片)

通過這種技術(shù)收集的數(shù)據(jù)將被工程師用于在為下一代核動力反應(yīng)堆開發(fā)燃料時更準(zhǔn)確地預(yù)測燃料性能。

該研究小組基于 INL 輻照材料表征實驗室，開發(fā)了機(jī)器學(xué)習(xí)方法，以從輻照鈾鋯燃料中提取和分析各種數(shù)據(jù)點，例如裂變氣泡的大小和連通性。

氣泡是核裂變的自然副產(chǎn)品。當(dāng)鈾原子分裂時，它們會與包括氙和氪在內(nèi)的較小原子一起產(chǎn)生熱量。這些和其他副產(chǎn)品以氣泡的形式儲存在燃料元件中，導(dǎo)致微觀結(jié)構(gòu)變化，從而限制燃料向反應(yīng)堆冷卻劑傳遞熱量的能力，從而降低效率。

INL 團(tuán)隊正在研究的鈾-鋯燃料被吹捧為幾種下一代反應(yīng)堆設(shè)計的首選，并具有簡化制造過程和增加燃料燃耗等優(yōu)點。

用人工智能增強表征

機(jī)器學(xué)習(xí)涉及將數(shù)據(jù)輸入算法，該算法從輸入中學(xué)習(xí)并執(zhí)行越來越準(zhǔn)確的分析。開發(fā)的模型可以擴(kuò)展以執(zhí)行材料特性的準(zhǔn)確預(yù)測。表征輻照燃料的微觀結(jié)構(gòu)，特別是在運行過程中可能形成的氣泡和裂變產(chǎn)物，對于設(shè)計既高效又能在潛在事故條件下有效抵抗分解的核燃料至關(guān)重要。

在高級測試反應(yīng)堆中輻照的具有先進(jìn)幾何形狀的金屬燃料的掃描電子顯微鏡圖像顯示出由于輻照導(dǎo)致的廣泛的微觀結(jié)構(gòu)重組。圖片來源：INL

“我們開發(fā)的新方法將幫助我們以非破壞性的方式揭示輻照燃料內(nèi)部的動態(tài)環(huán)境，”INL 輻照后檢查專家姚天凱說。“它還使我們能夠通過自動化過程顯著加快輻照后檢查工作，并為我們提供準(zhǔn)確的信息，包括燃料形態(tài)、裂變氣泡密度和鑭系元素分布。” 鑭系元素是在反應(yīng)堆運行期間形成并抑制燃料效率的元素。

愛達(dá)荷大學(xué)機(jī)器智能和數(shù)據(jù)分析實驗室主任 Min Xian 教授說：“我們正在構(gòu)建可靠和高效的機(jī)器學(xué)習(xí)方法，以幫助揭示和解釋來自高質(zhì)量核燃料數(shù)據(jù)的有價值的見解?！?“我們期待使用先進(jìn)的人工智能技術(shù)幫助創(chuàng)造一個清潔能源的未來?！?/p>

更快分析的算法

為了開發(fā)機(jī)器學(xué)習(xí)過程，研究人員首先創(chuàng)建了一個綜合數(shù)據(jù)集，其中包含燃料橫截面的高分辨率圖像和裂變氣泡的手動注釋。然后，他們實施了一種稱為決策樹的機(jī)器學(xué)習(xí)算法，使用包括氣泡大小、形狀和外觀在內(nèi)的定量圖像特征來預(yù)測每個氣泡的類別。該算法還旨在過濾掉圖像中的“非氣泡”像素，以提高處理速度并考慮不同級別的亮度，以確保準(zhǔn)確表征。

“我們的程序使用分層方法對裂變氣泡圖像進(jìn)行分類，具有高度的準(zhǔn)確性和特異性，”INL 計算視覺專家徐飛說。

生成的數(shù)據(jù)將有助于更好地了解燃料性能動態(tài)，例如隨著熱導(dǎo)率隨時間降低，微觀結(jié)構(gòu)的分布如何演變。

INL 輻照后檢查專家 Luca Capriotti 說：“我們期待進(jìn)一步完善這種能力，并有可能將我們的算法應(yīng)用到輻照后檢查工作的其他領(lǐng)域?！?/p>

該項目對鈾-鋯燃料的性能產(chǎn)生了一些顯著的見解，包括確定由于廣泛的孔隙結(jié)構(gòu)和燃料較熱區(qū)域中連通孔隙的增加而導(dǎo)致的燃料熱導(dǎo)率退化。