تحدي تكبير الوقود النووي

ويشكل تذبذب الوقود النووي أول حاجز يحول دون إطلاق منتجات الإنشطار الإشعاعي، وفي مفاعلات المياه المصحوبة، يُستخدم عادةً في إطار التوابل القائمة على الزركون بسبب تقاطعات استهلاك النيترون المنخفضة والخواص الميكانيكية المواتية، ولكن هذه المواد تُنشأ تحت التعرض المطول لتدفقات عالية من النيوترونات ودرجات الحرارة المرتفعة، وهي ظاهرة تتراكم بدرجة كبيرة من الإجهاد

وتعتمد النهج التقليدية على الروابط العملية المميَّزة مقارنة ببيانات الفحص بعد الإشعاعي، وفي حين أن هذه النماذج كثيرا ما تكون مفيدة من ظروف اختبار محدودة، ولا تستوعب الآثار المتلازمة لمناصب الحرارة، وتدرجات التدفُّق، وتباينات التكوين، فإن الطبيعة المكثفة للتجميع العيوب تزيد من تعقيد الاستقراء في تصميمات جديدة للوقود أو نظم تشغيل جديدة.

آليات توسّع المواد

وقبل استكشاف حلول للتعلم الآلي، من المهم فهم الفيزياء الأساسية، فالتوسيع في مجال ربط الوقود النووي هو الذي تقوده ثلاث آليات رئيسية:

الترميز والنمو

وتشتت الاصطدامات النيوترونات من مواقع البطاطا، مما يخلق شواغر وتدخلات ذاتية، وتتوقف درجات الحرارة التي تطبع تشغيل المفاعلات (300-400 درجة مئوية من سبائك الزركونيوم)، وتصبح الشواغر متنقلة ويمكن أن تتجمع إلى فراغات ثلاثية الأبعاد، وتزداد هذه الفراغات باستيعاب الشواغر الإضافية، بينما يمكن استيعاب الاضطرابات في فترات الاضطرابات أو زيادة الحدود.

تشكيلة الغاز

أما غازات الاحتباس الحراري (مثلا، الزينون، كريبتون) التي تولدت في إطار معجم الوقود، فيمكن أن تنتشر في السطح الداخلي المكسور أو تنتج مباشرة في إطار التخثر، وقد تكون ذرات الغاز الخام منخفضة الارتفاع في المصفوفة المعدنية، وتميل إلى التفشي في فقاعات ذات حجم ناووميتر، وتمارس هذه الفقاعات ضغوطا داخلية.

التأثيرات المتوقعة والتوقعية

كما أن الإشعال يخلق حلقات تفككية تعمل كبواليع للعيوب النقطية، ويمكن أن تؤدي المنافسة بين النمو اللاغي وتطور حلقة التفكيك إلى تكبير حرفيين معقدين، بالإضافة إلى أن المواسير التي تعتمد على المرحلة الثانية (مثل الجسيمات التي تستخدمها زرار - ف - كرو في زيركالي) يمكن أن تعدل التوازن بين العيوب المحلية، سواء كانت تعزز أو توقف النمو حسب حجمها وتتطورها.

حدود نُهج النماذج التقليدية

نماذج تجريبية مثل ربط "سيغفريد" على نطاق واسع لـ "زيركلوي 4" الارتفاع البوليومية من التدفق ودرجة الحرارة، بينما لا يكلفني هذا العرض، فإن هذه النماذج لها عدة عيوب:

  • Narrow validity domain:] They are calibrated for specific alloy compositions, heat treatments, and irradiation conditions. Extrapolation beyond the testmel can lead to large errors.
  • Ignoring history effects:] Swelling is not a state function; it depends on the entire thermal and flux history. Empirical fits often assume monotonic irradiation, overvis the impact of power changes or middle closures.
  • No microstructural feedback:] They treat swelling as a lumped parameter without linking to underlying defect populations. This limits the ability to predict the onset of accelerated swelling (breakaway swelling) observed at high doses.

ومن أمثلة الفيزياء، مثل نظرية الأسعار أو ديناميات المجموعات، تحفيز تطور العيوب باستخدام معادلة متمايزة، وهذه النهج توفر نظرة ثاقبة ميسرة ولكنها تتطلب مدخلات (مثل طاقات الهجرة، وقوام البواليع) تكون غير مؤكدة في كثير من الأحيان، وعلاوة على ذلك، فإن حلها على نطاق المفاعلات الزمنية (سنوات) مع حل مكاني دقيق يظل أمراً محفوفاً بالحساب.

التعلم في مجال الآلات كإطار إرشادي

ويمكن تصنيف تقنيات التعلم في مجال الآلات إلى تعليم مشرف وغير مشرف، وتعلم تعزيزات، وبالنسبة للتنبؤ بالتضخم، فإن نماذج التراجع التي يشرف عليها أهمها، والهدف هو معرفة رسم خرائط من سمات المدخلات (مثلاً، تذبذب النيوترونات، ودرجة الحرارة، وتكوين السواحل) إلى متغير مستهدف (الإجهاد المتفشي)، واستخدمت الدراسات المبكرة نماذج بسيطة مثل التراجع أو أشجار القرار، ولكن العمل الحديث قد انتقل إلى آخر.

مصادر البيانات والهندسة النسائية

ومن العوامل الحاسمة في نجاح القانون النموذجي نوعية البيانات التدريبية وتغطيتها، وتستخدم ثلاثة مصادر رئيسية للبيانات:

  • (و) قواعد بيانات فحص الإشعاعات على القوى ((((بي.آي.آي.]) القياسات التاريخية من مفاعلات الاختبار والنباتات التجارية، التي كثيرا ما تخزن في مستودعات مثل قاعدة بيانات أداء الوقود الدولية التابعة للوكالة الدولية للطاقة الذرية أو تقارير فريق الرصد الوطني التابع للولايات المتحدة،
  • High-fidelity simulations:] Molecular dynamics (MD) or cluster dynamics simulations generate synthetic data covering a wide range of conditions that may be difficult to replicate experimentally. The trade-off is that simulations introduce their own biases from approximate interatomic potentials or mean-field assumptions.
  • Operational data:] Online monitoring parameters (e.g., coolant temperature, neutron detector signals) can be correlated with post-cycle swelling measurements to infer behavior under real-world conditions.

إن هندسة المعالم الحيوية، إذ يجب تحويل مدخلات الراو مثل " وقت الحرارة " إلى جرعة تراكمية، ودرجة حرارة متوسطة، وربما مشتقات زمنية لاستخلاص آثار التمزق، ويمكن تدوين المعارف الأساسية بإدراج سمات مثل عدد الدورات الحرارية أو مقياس لفرق الحرارة، ويطبق الحد من الديموقراطية (مثل التحليل الرئيسي للعينات) أحيانا على عدد المؤثرات الزائدة.

الهيكل النموذجي

وقد طبقت بنجاح عدة هياكل للقانون النموذجي للتحكيم:

  • Random Forests:] A ensemble of decision trees that handle non-linearities and provide feature importance scores. They are robust to outliers and do not require extensive hyperparameter tuning. For swelling, random forests often achieve root mean square errors of 0.2 -0.5 per cent swelling, which is competitive with empirical correlations.
  • Support Vector Regression (SVR): ] Uses kernel functions to map data into higher-dimensional space. SVR works well on small datasets but can be sensitive to kernel choice. Radial basis functions are common for swelling data.
  • ()Deep Neural Networks (DNNs): ] Multi-layer perceptrons with several hidden layers can capture complex interactions. For instance, a DNN with three hidden layers (64, 128, 64 neurons) and ReLU activation, trained on combined simulation and experimental data, has shown improved accuracy near breakaway swelling conditions.
  • Gradient Boosting Machines (e.g.Boost, LightGBM):] Sequentially build trees that correct residuals of previous trees. These often outperform random forests in accuracy but are more prone to overfitting if not tuned with early stop.

وثمة اتجاه ناشئ يتمثل في استخدام شبكات الظواهر العصبية المزودة بالمعلومات الفيزيائية (PINNs) ، التي تجسد معادلة الضبط المتمايزة لديناميات العيوب كمصطلحات للخسارة، مما يقيد التنبؤات التي تتمشى مع الفيزياء المعروفة، ويحسن التعميم في مناطق إعداد البيانات.

التدريب، التقييم، الكمية غير المستقرة

ويتطلب التقييم النموذجي السليم تقسيم البيانات إلى التدريب والتثبت من المصادقة ومجموعات الاختبار - التي كثيرا ما تكون متداخلة من نوع السواحل أو المفاعل لتجنب التسرب، ويعد التحلل عبر الحدود معيارا لمجموعات البيانات الصغيرة، ولأن قياسات التوسيع تنطوي على أوجه عدم يقين (من الناحية الافتراضية، 0.1 إلى 0.3 في المائة بسبب أخطاء الرصد الكثيفة)، من المهم نشر هذه التطبيقات في النموذج الافتراضي للسلامة.

كما يشمل تدفق العمل القوي في مجال الزراعة تحليلاً للحساسية، ويمكن أن تحدد درجات الأهمية النسبية (من النماذج القائمة على الأشجار) أو التفسيرات الإضافة المشجعة العوامل الأكثر تأثيراً في الارتفاع، وتظهر الدراسات باستمرار أن درجة الارتفاع في النيوترونات ودرجة الحرارة هي الغالبة، ولكن متغيرات التكوين (مثل محتوى القصدير في زيركالي) لها آثار غير معقولة عند ارتفاع درجة حرارة الحرق.

استحقاقات التعلم في مجال الآلات لأغراض الإدمان على المساكن

ومن مزايا اعتماد التنبؤات التي تحركها حركة تحرير الكونغو على الأساليب التجريبية أو التحليلية البحتة ما يلي:

  • Speed:] Once trained, an ML model can evaluate millions of conditions in seconds, enabling real-time core monitoring or scenario analysis. This contrasts with cluster dynamics simulations that may take hours for a single time history.
  • Pattern discovery:] ML can reveal non-intuitive correlations, such as the influence of trace elements (e.g., niobium) on swelling resistance, which can guide alloy development.
  • التحسين المستمر: ] As new PIE data becomes available, models can be updated via incremental learning without full retraining. This allows the predictor to adapt to manufacturing variability or changing operational practices.
  • Integration with digital twins:] An ML-based swelling model can serve as a component in a fuel performance digital twin, providing real-time estimates of cladding state based on sensor data. This is a key enabler for predictive maintenance and condition-based operation.

التحديات والمشاكل المفتوحة

وعلى الرغم من هذه الفوائد، يجب التغلب على عدة عقبات قبل أن يثق القانون النموذجي تماما في التنبؤات الحرجة المتعلقة بالسلامة في الوقود النووي:

سجّة البيانات والتوازن

وتبدو بيانات التورم التجريبي ثمينة وممتلكة في كثير من الأحيان، إذ تتضمن قواعد البيانات العامة أقل من بضعة آلاف عينة، وهناك ظروف كثيرة (مثل ارتفاع درجة الحرارة وارتفاع درجة الحرارة) ناقصة التمثيل، وقد تُستثنى النماذج المدربة على بيانات العزل هذه بشكل ضعيف، كما أن زيادة البيانات عن طريق المحاكاة الفيزيائية أو شبكات التنويع الجيني هي مجال بحث نشط.

إمكانية الترجمة الشفوية والموافقة على التنظيم

وتتطلب أجهزة التنظيم النووية تحليلاً شفافاً وجسدياً لسلامة المواد، ولا تزال شبكة عصبية ذات صندوق أسود تتنبأ بالارتفاع الشديد الدقة، إذا لم تستطع تفسير توقعاتها، ويمكن أن تشمل الجهود الرامية إلى بناء ]] قابلة للتنبؤ، استخدام آليات الاهتمام، أو نماذج خطية ذات سمات هندسية، أو استخراج عبارات رمزية (مثلاً، عن طريق البرمجة الوراثية).

الروبوتات تحت الشيفتات في التوزيع

ولا يمكن أن يؤدي نموذج مدرَّب على البيانات من نوع مفاعل (مثل مفاعلات المياه المضغوطة الغربية) أداءً جيداً على نوع آخر (مثلاً، الأشعة فوق الحمراء الروسية) بسبب الاختلافات في الكيمياء المبردة أو صنع الرش، ويجري استكشاف أساليب التكيُّف الرئيسية، مثل التدريب على الخصم أو التعلم في مجال النقل، لتحسين القدرة على التحمل، وكبديل لذلك، فإن النماذج المتعددة التي تُدرَّب على مختلف التفاهم.

دمجها مع مدونات المحاكاة القائمة

وتستخدم رموز أداء الوقود الحالية (مثلاً، FRAPCON، TRANSURANUS) نماذج التورم التجريبي المتأصلة في الهيكل الرمزي، وترميمها مع نماذج حركة التحرير، تتطلب التقارب الدقيق لتفادي عدم الاستقرار العددي، وتستوجب أساليب النماذج البديلة التي يُطلق عليها في إطار حلقة محاكاة أكبر ضماناً للتقارب والاتساق مع ظواهر أخرى مثل التسلل والارتباط.

الاتجاهات المستقبلية

إن هذا المجال يتطور بسرعة، ومن المرجح أن تشكل عدة طرق واعدة الجيل القادم من تنبؤات الورم:

علم الفيزياء العميق

وكما لوحظ، فإن الشبكة الوطنية للفيزياء النووية تطبق القوانين المادية (مثل الحفاظ على عيوب النقاط) كقيود غير مأمونة، وقد أظهر العمل الأخير أن حتى الإدماج الجزئي للفيزياء - مثل القيود الاحتكارية (السكن لا يمكن أن ينخفض مع الجرعة) - يرتقي إلى الاستقراء، إذ إن الجمع بين شبكة معلومات وطنية ذات خلفية معدلة يمكن أن يؤدي إلى توأم رقمي يستكمل افتراضاته الفيزيائية استناداً إلى افتراضات.

التعلم النشط

للتغلب على شح البيانات، استراتيجيات التعلم النشطة يمكن أن تعطي الأولوية لأي تجارب ستجرى بعد ذلك، تقديرات عدم التيقن التي وضعها نموذج ML ترشد اختيار الظروف التي ستخفض أكثر من الفرق في التنبؤات، وهذا يمكن أن يقلل من عدد اختبارات الإشعاع الباهظة التكلفة اللازمة للتحقق من مسارات جديدة، مما يعجل بتكييف المواد.

تحويل التعلم من فينومينا ذات الصلة

:: توسيع نطاق آليات تقاسم الآثار الأخرى للتشعيع مثل زاحف الأشعة والنمو، ويمكن تعديل النماذج التي سبق تدريبها على مجموعة بيانات أكبر من ديناميات العيوب العامة على بيانات الارتفاع المحدودة مع معدل تعلم صغير، مما يزيد من المعرفة من مصادر بيانات أكثر وفرة، مثل تجارب الإشعال في الأيوني (التي تسبب ضررا مماثلا ولكن بمعدلات الجرعات الأعلى).

تحديد كمية غير مؤكدة لحالات السلامة

ومن المرجح أن يتوقف القبول التنظيمي في المستقبل على التحديد الدقيق للكميات التي لا يكتنفها الشك، إذ يمكن للتعلم العميق في بيزيا، أو تراجع عملية غاوسيان، أو أساليب التجمع أن تنتج توقعات محتملة، ويمكن إدراج هذه المقاييس في تقييمات السلامة المحتملة، مقارنة بتوزيع التورم المتوقع على حدود التصميم.

خاتمة

فالتعليم المكياوي يوفر ملتقى قوي للنموذج الفيزيائي التقليدي للتنبؤ بالارتفاع في المواد في مجال الوقود النووي، حيث أن نماذج إنتاج المواد الانشطارية يمكن أن تحقق مباشرة من البيانات التجريبية والمحاكاة، كما أن التفاعلات غير المباشرة المتعددة العوامل التي تتجنب الوصلات البسيط، وفي حين أن التحديات المتعلقة بنوعية البيانات، والتفسير، والتحول في المجالات لا تزال قائمة، والبحوث الجارية في مجال التصميم الفيزيائي

موارد إضافية للقراءة: ]