es.wedoany.com Noticia: Investigadores del Laboratorio Nacional Argonne (Argonne National Laboratory) del Departamento de Energía de EE. UU. están utilizando modelos basados en Transformer para acelerar las simulaciones de dinámica de fluidos en reactores nucleares avanzados, ayudando a los ingenieros a estudiar más rápidamente la seguridad y el rendimiento de los reactores.
Transformer, la arquitectura de red neuronal detrás de muchos sistemas de inteligencia artificial generativa, ha sido aplicada por los investigadores de Argonne para simular cómo los fluidos se mueven y transfieren calor en sistemas de energía nuclear. El equipo integró la arquitectura Transformer en el Módulo de Análisis de Sistemas (SAM) de Argonne, una herramienta de simulación para estudiar reactores nucleares avanzados, con el objetivo de mejorar el modelado de turbulencias para predecir comportamientos complejos de fluidos y su impacto en los sistemas del reactor.
Al combinar el modelo Transformer con simulaciones de turbulencia, los investigadores buscan obtener resultados más rápidos y precisos que los métodos tradicionales, lo que podría permitir a los ingenieros simular plantas nucleares completas, incluidos reactores, sistemas de refrigeración y otras infraestructuras de apoyo. En los reactores nucleares, el movimiento de fluidos es crucial para la transferencia de calor y las interacciones entre componentes; el modelado de turbulencias ayuda a predecir estos flujos complejos, pero las simulaciones detalladas requieren grandes recursos computacionales.
El enfoque basado en Transformer de Argonne analiza las relaciones entre puntos de datos físicos, incluyendo posición, velocidad y flujo de fluidos, mostrando alta precisión en la representación de la resistencia al flujo y la transferencia de calor. Rui Hu (胡睿), jefe de la División de Ingeniería y Análisis de Seguridad (NSED) del Departamento de Ciencia e Ingeniería Nuclear de Argonne e ingeniero nuclear principal, afirmó que con la inteligencia artificial se puede alcanzar la precisión de métodos complejos con la velocidad de métodos simples, una combinación de precisión y velocidad.
Según Argonne, los modelos basados en IA pueden generar resultados de simulación casi instantáneamente, manteniendo la precisión asociada a métodos computacionales más complejos, permitiendo a los investigadores ejecutar simulaciones más realistas sin los mismos requisitos de tiempo y computación. Un modelado mejorado puede respaldar el diseño, rendimiento y seguridad de los reactores, y ayudar a los ingenieros a evaluar el impacto de los cambios en el comportamiento de los fluidos en todo el sistema nuclear.
El siguiente paso de los investigadores es aplicar el modelo a simulaciones de plantas nucleares completas, incluidos el reactor en sí y los sistemas de refrigeración, seguridad, auxiliares y otros de apoyo. El equipo también está explorando la tecnología de gemelos digitales, representaciones virtuales de sistemas físicos que pueden operar y actualizarse en tiempo real, y afirman ser uno de los primeros equipos de investigación en explorar el uso de la arquitectura Transformer para gemelos digitales de sistemas nucleares.
Los gemelos digitales podrían permitir a los ingenieros monitorear y simular instalaciones nucleares mientras integran información en tiempo real de los sistemas físicos. Combinados con modelos de simulación más rápidos, esta tecnología podría proporcionar otra herramienta para estudiar el rendimiento de las plantas e identificar problemas potenciales. El trabajo futuro se centrará en expandir los modelos basados en Transformer, mejorando su precisión y flexibilidad, e integrando nuevas capacidades de IA en el flujo de trabajo de simulación de SAM. Este proyecto cuenta con el apoyo del Programa de Modelado y Simulación Avanzados para Energía Nuclear (NEAMS) del Departamento de Energía de EE. UU.
