人工智能将有助于创造新的核能抗辐射材料

以 N.L. Dukhov 命名的全俄罗斯自动化研究所和 MISIS 大学的科学家提出使用基于人工神经网络的新模型来预测核反应堆材料中缺陷的发生。研究结果对于制造具有较长使用寿命的抗辐射材料非常有用。

核反应堆燃料元件的外壳在运行过程中会形成缺陷。主要问题之一是辐射膨胀，即材料在辐射过程中体积逐渐增加，从而损害其强度和耐久性。现代快中子反应堆的燃料元件外壳采用奥氏体耐热钢。它必须在高剂量辐射下保持其机械性能，同时允许的变形限制在百分之几。

有两种“经典”方法可用于预测辐射肿胀。第一个是经验模型。它们是可靠的，但不通用，因为它们仅限于特定的材料和条件。第二种方法是多尺度建模，它考虑从原子到宏观的不同层面的物理过程。它还不够准确，无法在现实条件下做出预测。

“一种有前途的方法是机器学习。人工智能可以根据钢的成分和辐照条件来预测材料的行为。”NUST MISIS 新材料建模与开发实验室专家 Pavel Korotaev 说道。

使用这种方法，研究人员预测了快中子辐照的完整膨胀曲线作为辐射剂量、反应堆温度和钢成分的函数。

“此前，没有人利用机器学习预测肿胀的整个“穹顶”。为了训练我们的模型，我们研究了数十种膨胀率高达 50% 的材料。因此，我们可以高精度预测肿胀。这有助于阐明不同合金材料如何影响耐辐射性。例如，镍、钛、磷、硅和碳等元素可以减少膨胀，但会达到一定限度，”Pavel Korotaev 补充道。

未来，科学家计划扩展该模型的预测能力。

该研究的详细信息发表在科学杂志《计算材料科学》(Q1)上。这项工作是在俄罗斯科学基金会的支持下进行的。