Table of Contents

As simulações de Monte Carlo surgiram como uma das ferramentas computacionais mais poderosas da engenharia nuclear, especialmente para otimizar o projeto do núcleo do reator nuclear. Esses sofisticados métodos probabilísticos permitem aos engenheiros modelar o comportamento de nêutrons com precisão sem precedentes, levando a projetos de reatores mais seguros, eficientes e econômicos. À medida que a indústria nuclear continua evoluindo com conceitos avançados de reatores e requisitos de segurança mais rigorosos, as técnicas de Monte Carlo tornaram-se indispensáveis para análise detalhada de nêutrons e otimização de núcleos.

Compreender as Simulações de Monte Carlo em Engenharia Nuclear

Os métodos de Monte Carlo representam uma classe de algoritmos computacionais que dependem de amostragem aleatória repetida para obter resultados numéricos. Nomeada após o famoso Casino Monte Carlo em Mônaco, essas técnicas usam aleatoriedade para resolver problemas que podem ser determinísticos em princípio. Na física do reator nuclear, as simulações de Monte Carlo rastreiam nêutrons individualmente desde a emissão até a eventual interação ou remoção por qualquer processo nuclear ou vazamento, proporcionando uma abordagem fundamentalmente diferente em comparação com métodos determinísticos.

O transporte de neutrões, também conhecido como neutrônicos, é o estudo dos movimentos e interações de nêutrons com materiais, e a equação de transporte de nêutrons modela a transferência radiativa de nêutrons e é comumente usada para determinar o comportamento de núcleos nucleares de reatores.A complexidade do comportamento de nêutrons em um núcleo de reator, envolvendo dispersão, absorção, fissão e vazamento, torna as soluções analíticas quase impossíveis para geometrias realistas.

A Física Por trás do Transporte de Neutrons

No coração da física do reator reside a equação de transporte de nêutrons, que descreve como os nêutrons se movem e interagem com a matéria. O transporte de nêutrons tem raízes na equação de Boltzmann, que foi usada nos anos 1800 para estudar a teoria cinética dos gases, embora não tenha recebido desenvolvimento em larga escala até a invenção de reatores nucleares de reação em cadeia na década de 1940. A equação de transporte é responsável pela transmissão de nêutrons, espalhando-se de núcleos, absorção de materiais, produção de fissão e vazamento do sistema.

Os métodos determinísticos tradicionais resolvem a equação de transporte discretizando espaço, energia e ângulo, resolvendo numericamente o sistema resultante de equações. Embora eficazes para muitas aplicações, esses métodos podem lutar com geometrias complexas e exigir aproximações significativas. Os métodos de Monte Carlo, por contraste, simulam os processos físicos diretamente seguindo histórias de nêutrons individuais através do núcleo do reator.

Como funcionam as simulações de Monte Carlo

Em uma simulação de transporte de nêutrons de Monte Carlo, o código rastreia milhares ou milhões de partículas de nêutrons individuais ao percorrerem a geometria do reator. Para cada nêutron, a simulação coleta aleatoriamente amostras de distribuições de probabilidade que representam processos físicos, como a distância à próxima colisão, o tipo de interação que ocorre, a energia e direção após a dispersão, e o número de nêutrons produzidos em eventos de cisão.

A amostragem aleatória é baseada em bibliotecas de dados nucleares que contêm informações detalhadas de seção transversal – as probabilidades de várias reações nucleares como funções de energia de nêutrons e núcleo alvo. Ao simular muitas histórias de nêutrons e mediar os resultados, os códigos de Monte Carlo podem estimar quantidades de interesse, tais como distribuições de fluxo de nêutrons, taxas de reação e o fator de multiplicação eficaz (k-efetivo) que indica se um reator é crítico, subcrítico ou supercrítico.

Os métodos de Monte Carlo têm vantagens como flexibilidade no tratamento da geometria, a capacidade de usar seções transversais de energia contínua, a facilidade de paralelização e a alta fidelidade das simulações. Essas características tornam Monte Carlo particularmente valioso para otimização do projeto do núcleo do reator, onde a complexidade geométrica e a precisão são fundamentais.

Códigos Major Monte Carlo para análise de reatores

Vários códigos sofisticados de Monte Carlo foram desenvolvidos especificamente para análise de reatores nucleares. Cada um tem capacidades únicas e foi validado contra dados experimentais e benchmarks analíticos.

MCNP e MCNP6

O código de N-Particula de Monte Carlo (MCNP), desenvolvido no Laboratório Nacional Los Alamos, é talvez o código de Monte Carlo mais utilizado na engenharia nuclear. MCNP pode simular o transporte de nêutrons, fótons e elétrons, tornando-o versátil tanto para aplicações de física de reatores quanto de blindagem. O código tem sido continuamente desenvolvido e validado ao longo de décadas, com MCNP6 representando a última versão principal que combina capacidades de ramos de código anteriores.

O MCNP utiliza dados de seção transversal de energia contínua e pode modelar praticamente qualquer geometria tridimensional usando técnicas de geometria combinatória. Sua ampla validação e uso generalizado na indústria nuclear fizeram dele uma referência padrão para cálculos de física de reatores.

Serpente

Serpent é um Centro de Pesquisa Técnica VTT da Finlândia desenvolvido Monte Carlo código de transporte de partículas que ganhou popularidade significativa na comunidade de física do reator. Originalmente desenvolvido para cálculos de física de rede e geração constante de grupo, Serpent evoluiu para uma ferramenta de física de reator de propósito geral. Sua força particular está em cálculos de burnup e simulações de depleção de neutrões acoplados, tornando-o valioso para análise de ciclo de combustível e otimização de projeto de núcleo.

A Serpente apresenta algoritmos eficientes para rastrear partículas através de geometrias complexas e foi otimizada para ambientes de computação paralela. O código é particularmente popular em pesquisas acadêmicas devido à sua comunidade de desenvolvimento ativo e atualizações regulares incorporando os últimos avanços metodológicos.

OpenMC

OpenMC é um código Monte Carlo desenvolvido pela comunidade, que emergiu como uma importante ferramenta para a pesquisa de física de reatores. Desenvolvido inicialmente no Massachusetts Institute of Technology, OpenMC enfatiza práticas modernas de engenharia de software, incluindo controle de versão, testes automatizados e documentação extensa. A natureza de código aberto permite aos pesquisadores examinar e modificar os algoritmos subjacentes, tornando-o particularmente valioso para fins metodológicos e educacionais.

O OpenMC suporta seções transversais de energia contínua e multigrupos, pode lidar com geometrias complexas, incluindo contagens de malha não estruturadas, e foi projetado do zero para computação paralela em sistemas de memória compartilhada e de memória distribuída. Você pode aprender mais sobre OpenMC e acessar o código no site de documentação OpenMC[.

Códigos Especializados

Japan Atomic Energy Agency (JAEA) tem desenvolvido um código MVP de energia contínua de Monte Carlo para análise de núcleo de reator nuclear, e a JAEA também desenvolveu um novo solver de Monte Carlo Solomon para análise de segurança de criticidade. Estes códigos especializados demonstram o esforço internacional em curso para desenvolver ferramentas de Monte Carlo adaptadas às necessidades específicas de análise de reator.

Outros códigos notáveis incluem TRIPOLI desenvolvido na França, MONK desenvolvido no Reino Unido, e vários códigos nacionais desenvolvidos para programas de reatores específicos. Esta diversidade de ferramentas reflete tanto a importância dos métodos de Monte Carlo na engenharia nuclear e as exigências especializadas de diferentes tipos de reatores e objetivos de análise.

Aplicação de Métodos de Monte Carlo na Otimização do Núcleo do Reator

As simulações de Monte Carlo desempenham um papel crucial na otimização de projetos nucleares de núcleos de reatores em múltiplas dimensões, desde o arranjo de combustível até o posicionamento da haste até a geometria global do núcleo. A capacidade de modelar geometrias tridimensionais complexas com alta fidelidade torna esses métodos indispensáveis para o design moderno de reatores.

Concepção e otimização da montagem de combustível

Uma das principais aplicações das simulações de Monte Carlo é otimizar as configurações de montagem de combustível. Os engenheiros devem determinar o arranjo ideal de pinos de combustível com diferentes enriquecimentos, absorvedores quebráveis e materiais estruturais para alcançar distribuições de energia desejadas, mantendo margens de segurança. Os métodos de Monte Carlo são capazes de tratar geometrias complexas com alto nível de resolução e fidelidade, tornando-as ideais para esse fim.

Para reatores de água pressurizados (PWRs), conjuntos de combustível normalmente contêm centenas de pinos de combustível dispostos em uma rede quadrada. O enriquecimento de urânio-235 pode variar entre pinos, e algumas posições podem conter varetas venenosas que podem ser queimadas ou tubos guias para barras de controle. As simulações de Monte Carlo podem avaliar como diferentes arranjos afetam o pico de energia local, os coeficientes de reatividade e as características de queima. Esta informação orienta os designers para configurações que maximizam a utilização de combustível, garantindo que nenhum pino de combustível exceda os limites térmicos.

Uma representação tridimensional real do núcleo do reator com placas de combustível involutas pelo método de Monte Carlo ainda não está presente, e este trabalho propôs um algoritmo para simular o núcleo do reator composto por placas de combustível involutos com uma descrição precisa explícita de suas superfícies involutas. Este exemplo ilustra como os métodos de Monte Carlo continuam avançando em sua capacidade de modelar geometrias de combustível cada vez mais complexas, incluindo configurações não padrão usadas em reatores de pesquisa.

Otimização do padrão de carregamento do núcleo

Além de conjuntos de combustível individuais, simulações de Monte Carlo ajudam a otimizar o padrão de carga de conjuntos dentro do núcleo do reator. Os reatores de energia comercial normalmente operam em ciclos de combustível multibatch, onde apenas uma fração dos conjuntos de combustível são substituídos durante cada falha de reabastecimento. Os conjuntos restantes são embaralhados para novas posições para achatar a distribuição de energia e maximizar o esgotamento de combustível.

Determinar o padrão de carga ideal é um problema de otimização combinatória complexa. As simulações de Monte Carlo fornecem a análise de neutrônica de alta fidelidade necessária para avaliar padrões candidatos. Os engenheiros podem avaliar como diferentes arranjos afetam as distribuições de energia radial e axial, valor da haste de controle, margem de desligamento e outros parâmetros de segurança. O objetivo é encontrar padrões que maximizem o comprimento do ciclo e a utilização de combustível, mantendo todos os critérios de segurança.

A distribuição de potência radial do modelo de núcleo completo do MC utilizando a composição em sentido pino foi verificada, obtendo-se desvios relativos na faixa de [-9, 6]% contra o solucionador nodal validado, e utilizando os modelos de MC desenvolvidos para as condições de potência zero quente (HZP), a análise das medições do reator start-up mostrou um desvio de −100 ± 2 pcm da criticidade, considerado um excelente acordo. Essa validação demonstra que os métodos de Monte Carlo podem alcançar a precisão necessária para aplicações práticas de projeto de núcleo.

Projeto e posicionamento da haste de controle

As simulações de Monte Carlo ajudam a otimizar seu projeto, incluindo a escolha do material absorvente, configuração geométrica e posicionamento dentro do núcleo. Os seguintes parâmetros físicos do núcleo do reator foram calculados para o núcleo atual da LEU: reatividade do núcleo, valor da haste de controle, distribuições de fluxo de neutrões térmicos e epitérmicos, margem de desligamento e fração de nêutrons retardada, com o objetivo principal de reduzir os efeitos desfavoráveis da probabilidade de bloqueio das hastes de segurança de controle.

O valor de uma haste de controle – a mudança de reatividade quando inserida ou retirada – depende da sua posição no núcleo e no fluxo de nêutrons local. As simulações de Monte Carlo podem calcular com precisão o valor da haste de controle modelando a geometria detalhada da haste e sua interação com o combustível circundante.Esta informação é essencial para garantir que o reator possa ser desligado com segurança sob todas as condições e que as hastes de controle forneçam um controle de reatividade adequado durante a operação normal.

Análise de Criticidade e Segurança

Cálculos de criticidade são usados para analisar meios multiplicadores de estado estacionário, como um reator nuclear crítico, e como essa criticidade só pode ser alcançada por manipulações muito finas da geometria, esses problemas são formulados como problemas de autovalor, onde um parâmetro é artificialmente modificado até que a criticidade seja alcançada.O fator de multiplicação eficaz (k-efetivo) é o parâmetro chave que indica se um reator é crítico (k-eff = 1), subcrítico (k-eff 1).

Os códigos de Monte Carlo calculam k-effective simulando gerações sucessivas de nêutrons e rastreando como a população de nêutrons muda de uma geração para outra. Este cálculo do autovalor é fundamental para o projeto do reator, pois determina a configuração crítica e fornece informações sobre as margens de reatividade. Os engenheiros usam esses cálculos para garantir que o reator possa ser operado com segurança em todo o seu envelope operacional, incluindo variações na temperatura, nível de potência e queima de combustível.

A JAA desenvolveu um novo solucionador de Monte Carlo Solomon para análise de segurança de criticidade, que tem como objetivo calcular a criticidade dos detritos de combustível. Esta aplicação especializada demonstra como os métodos de Monte Carlo se estendem além da operação normal do reator para abordar cenários de segurança, incluindo acidentes graves.

Conceitos Avançados de Reator

Um tema comum é a crescente dependência de ferramentas de simulação multifísicas de alta fidelidade capazes de apoiar o projeto, análise de segurança e otimização de reatores de próxima geração, especialmente em cenários onde os dados experimentais são limitados ou os desafios de complexidade do sistema métodos determinísticos tradicionais. As simulações de Monte Carlo são particularmente valiosas para projetos avançados de reatores que diferem significativamente dos reatores convencionais de água leve.

Por exemplo, reatores de sal fundidos, reatores refrigerados a gás de alta temperatura e reatores rápidos apresentam desafios de modelagem únicos devido às geometrias, materiais e espectros de energia de nêutrons não convencionais. Os métodos de Monte Carlo podem lidar com essas complexidades sem as aproximações geométricas exigidas por muitos códigos determinísticos. Essa capacidade acelera o desenvolvimento de conceitos inovadores de reatores, fornecendo análises precisas de neutrônicas no início do processo de projeto.

Benefícios e vantagens dos métodos de Monte Carlo

As simulações de Monte Carlo oferecem inúmeras vantagens que as tornam o método de escolha para muitas aplicações de física de reatores. Compreender esses benefícios ajuda a explicar por que essas técnicas se tornaram tão centrais para o design moderno de reatores.

Alta precisão na modelagem do comportamento de Neutron

Com a crescente demanda por análises de nêutrons de alta fidelidade e o desenvolvimento da tecnologia computacional, o método de Monte Carlo está se tornando cada vez mais importante, especialmente na análise crítica dos cálculos iniciais de núcleo e blindagem. A precisão fundamental dos métodos de Monte Carlo decorre de sua simulação direta de processos físicos sem a discretização espacial, angular ou energética exigida por métodos determinísticos.

Os códigos de Monte Carlo podem usar dados de seção transversal de energia contínua que preservam a estrutura de ressonância detalhada em probabilidades de interação de nêutrons. Isto é particularmente importante em reatores térmicos onde as ressonâncias de absorção de nêutrons em urânio-238 e outros materiais afetam significativamente o comportamento do reator. Ao evitar aproximações de grupos de energia, as simulações de Monte Carlo podem capturar esses efeitos com alta fidelidade.

A natureza estatística de Monte Carlo significa que os resultados vêm com incertezas bem definidas que diminuem à medida que mais histórias de nêutrons são simuladas.Isso permite aos engenheiros trocar o tempo computacional para precisão de uma forma simples – executar simulações mais longas com mais partículas produz resultados mais precisos com intervalos de confiança quantificáveis.

Flexibilidade geométrica

Uma das vantagens mais significativas dos métodos de Monte Carlo é a sua capacidade de modelar praticamente qualquer geometria tridimensional. Ao contrário dos métodos determinísticos que normalmente requerem estruturas de malha regulares, Monte Carlo codifica partículas através de geometrias complexas definidas por superfícies e regiões. Esta flexibilidade geométrica é inestimável para a otimização do projeto de reatores.

Os engenheiros podem modelar pinos de combustível, revestimentos, canais de refrigeração, materiais estruturais, barras de controle e instrumentação em suas configurações geométricas reais sem aproximação. Esta capacidade é essencial para calcular com precisão os efeitos locais, como pico de potência perto de furos de água, depressão de fluxo em torno de barras de controle e transmissão de neutrões através de canais de refrigeração. Esses efeitos locais podem afetar significativamente a segurança e desempenho do reator, tornando crucial a modelagem geométrica precisa.

A flexibilidade geométrica também facilita a iteração do projeto. Os engenheiros podem modificar facilmente as dimensões do pino de combustível, alterar as composições do material ou ajustar as posições dos componentes e avaliar imediatamente o impacto dos neutrônicos. Esta capacidade de iteração rápida acelera o processo de otimização e permite a exploração de um espaço de projeto mais amplo.

Segurança reforçada através de uma avaliação detalhada dos riscos

A segurança é fundamental no projeto de reatores nucleares e as simulações de Monte Carlo contribuem para o aumento da segurança de várias maneiras. As capacidades de modelagem de alta fidelidade permitem aos engenheiros avaliar com precisão as margens de segurança e avaliar a resposta do reator a vários cenários operacionais e de acidentes.

A análise transitória é de grande importância na segurança e avaliação econômica dos sistemas nucleares, e com o aumento da potência computacional, tem sido dada especial atenção ao uso de métodos dinâmicos de Monte Carlo devido às suas capacidades em simular geometrias detalhadas e física. Métodos de Monte Carlo dependentes do tempo podem simular transientes de reatores, fornecendo informações sobre como o reator responde a perturbações como movimentos de haste de controle, mudanças de temperatura do refrigerante ou inserções de reatividade.

As simulações de Monte Carlo também suportam avaliações de segurança probabilísticas, fornecendo cálculos precisos de parâmetros de segurança chave, como margem de desligamento, valor da haste de controle e coeficientes de reatividade. Esses parâmetros determinam as características de segurança inerentes ao reator e sua capacidade de responder às condições fora do normal. Ao quantificar com precisão esses parâmetros, os métodos de Monte Carlo ajudam a garantir que os projetos de reatores atendam a critérios de segurança rigorosos.

Eficiência de Custo e Testes Físicos Reduzidos

Embora as simulações de Monte Carlo exijam recursos computacionais significativos, elas podem reduzir substancialmente a necessidade de experimentos físicos caros e testes de protótipos.Modelos de reatores virtuais permitem que engenheiros explorem alternativas de projeto, testem hipóteses e otimizem configurações antes de se comprometerem com a fabricação de hardware.

No passado, o projeto do reator dependia fortemente de experimentos críticos — modelos físicos de núcleos de reator usados para validar cálculos de projeto e medir parâmetros-chave. Embora tais experimentos permaneçam valiosos para validação final, as simulações de Monte Carlo podem reduzir o número de configurações que precisam ser testadas fisicamente.Isso economiza tempo e dinheiro no processo de desenvolvimento do reator.

Para reatores operacionais, simulações de Monte Carlo podem prever o comportamento de modificações de núcleo propostas antes da implementação. Essa capacidade permite aos utilitários avaliar estratégias de gerenciamento de combustível, avaliar o impacto das mudanças de projeto e otimizar operações sem abordagens de teste e erro que possam afetar a disponibilidade de instalações ou margens de segurança.

Capacidades de Computação Paralela

Os métodos de Monte Carlo são inerentemente adequados à computação paralela porque as histórias individuais de nêutrons são independentes e podem ser simuladas simultaneamente em diferentes processadores.Esta característica tornou-se cada vez mais importante, pois o hardware computacional evoluiu para arquiteturas maciçamente paralelas com milhares de núcleos de processadores.

Em uma simulação baseada em história otimizada de um núcleo de reator nuclear de física completa, o MIC mostra uma taxa de cálculo 1,6x maior do que uma moderna CPU de 16 núcleos, 2,5x maior quando se equilibrando a carga entre a CPU e 1 MIC, e 4x maior quando se balanceia a carga entre a CPU e 2 Macs. Os códigos modernos de Monte Carlo podem utilizar eficientemente milhares de núcleos de processadores, permitindo simulações que teriam sido impraticáveis há apenas uma década.

A escalabilidade dos métodos de Monte Carlo para grandes computadores paralelos significa que os engenheiros podem realizar simulações cada vez mais detalhadas dentro de prazos razoáveis. Modelos de núcleo completo com resolução pin-by-pin e seções de energia contínua, uma vez considerados computacionalmente caros demais para uso de rotina, estão se tornando práticos para otimização de projeto e análise de segurança.

Desafios e Limitações

Apesar de suas muitas vantagens, os métodos de Monte Carlo também enfrentam desafios e limitações que os engenheiros devem entender e abordar ao aplicar essas técnicas na otimização do núcleo do reator.

Custo Computacional

A principal limitação dos métodos de Monte Carlo é o seu custo computacional. Alcançar resultados estatisticamente significativos requer simular milhões ou bilhões de histórias de nêutrons, que podem exigir tempo de computação substancial, mesmo em sistemas paralelos modernos. A incerteza estatística em Monte Carlo resultados diminui apenas como a raiz quadrada do número de histórias simuladas, o que significa que reduzir a incerteza por um fator de dois requer quatro vezes mais histórias de partículas.

Para algumas aplicações, como cálculos de burnup de núcleo completo que devem acompanhar a evolução isotópica ao longo de vários ciclos de combustível, a carga computacional pode ser proibitiva. Os engenheiros devem cuidadosamente equilibrar a necessidade de precisão contra os recursos computacionais disponíveis e os horários de projeto.

Ruído estatístico nas quantidades locais

Enquanto os métodos de Monte Carlo se sobressaem no cálculo de quantidades globais como o k-effective, eles podem lutar com quantidades locais em regiões onde poucos nêutrons alcançam. Por exemplo, calcular o fluxo de nêutrons profundamente dentro de um escudo ou em um pequeno local de detector pode exigir tempos de simulação extremamente longos para alcançar precisão estatística aceitável.

Várias técnicas de redução de variância foram desenvolvidas para enfrentar este desafio, incluindo a amostragem de importância, janelas de peso e colisões forçadas. No entanto, essas técnicas requerem experiência para implementar efetivamente e podem não ser adequadas para todos os problemas. Para cálculos de núcleo de reator de rotina, o ruído estatístico em quantidades locais geralmente permanece controlável, mas pode se tornar uma preocupação para cálculos detalhados de distribuição de energia pin-by-pin.

Cálculos de Burnup e Depleção

Os cálculos de burnup de combustível, que acompanham como as composições isotópicas mudam à medida que o reator opera, apresentam desafios especiais para os métodos de Monte Carlo. Os cálculos de burnup baseados em núcleos de MC ainda são desafiadores para aplicações de rotina. A dificuldade surge porque os cálculos de burnup requerem o acoplamento da solução de transporte de nêutrons com equações de depleção que descrevem como os isótopos transmutam e decaem ao longo do tempo.

Cada etapa de burnup requer um novo cálculo de Monte Carlo com composições de materiais atualizados, e o ruído estatístico nas taxas de reação pode se propagar através do cálculo de depleção, potencialmente afetando a precisão. Os modernos códigos Monte Carlo implementaram algoritmos sofisticados para gerenciar esses desafios, mas os cálculos de burnup permanecem computacionalmente intensivos em comparação com os cálculos de criticidade de um único estado.

Requisitos de memória

A otimização baseia-se em um agrupamento de materiais adaptativos a combustível recém-desenvolvido para maximizar a precisão das simulações, mantendo constante o consumo de memória de simulações. Modelos de Monte Carlo com composição isotópica detalhada para cada pino de combustível podem exigir enormes quantidades de memória do computador, particularmente para combustível queimado onde centenas de isótopos devem ser rastreados.

Esta limitação de memória pode restringir o nível de detalhe em modelos de reatores ou limitar o número de processos paralelos que podem ser executados simultaneamente em um determinado sistema de computador. Pesquisadores continuam a desenvolver técnicas para gerenciar os requisitos de memória, incluindo abordagens de agrupamento de materiais que agrupam composições semelhantes, preservando a precisão.

Integração com Simulações Multi-Physics

O design moderno do reator requer cada vez mais cálculos de neutrônicos de acoplamento com hidronáulico térmico, desempenho de combustível e simulações de mecânica estrutural.Esta abordagem multifísica fornece uma imagem mais completa do comportamento do reator, por meio da contabilização de efeitos de feedback entre diferentes fenômenos físicos.

Acoplamento de Neutrónica-Termal-Hidraulicos

A distribuição de energia calculada por códigos de neutrônicos determina a geração de calor no combustível, que impulsiona o comportamento térmico-hidráulico do refrigerante. Por sua vez, a temperatura e densidade do refrigerante afetam a moderação e absorção de nêutrons, criando feedback sobre os nêutrons. Recentemente, melhorias para MVP têm sido focadas no desenvolvimento de um código avançado de acoplamento nêutrons/térmico-hidráulico.

Acoplamento de códigos de neutrônicos Monte Carlo com dinâmica de fluidos computacional (CFD) ou subcanal de códigos termo-hidráulico permite simulações multifísicas de alta fidelidade. Essas simulações acoplada podem capturar pontos quentes locais, prever distribuições de temperatura de combustível e avaliar margens térmicas com maior precisão do que as abordagens tradicionais que usam modelos térmico-hidráulico simplificados.

O desafio no acoplamento neutrônico-térmico-hidráulico reside nas diferentes escalas de tempo e resoluções espaciais das duas física. O transporte de neutrões ocorre em escalas de tempo microssegundo, enquanto as hidráulicas térmicas evoluem ao longo de segundos a minutos. Esquemas de acoplamento eficazes devem ponte estas escalas díspares, mantendo a eficiência computacional.

Integração de Desempenho de Combustível

Os códigos de desempenho de combustível modelam fenômenos como liberação de gás de cisão, inchaço de combustível, corrosão de revestimento e interação de revestimento de pellets. Esses fenômenos afetam a geometria de combustível e propriedades do material, que por sua vez influenciam os nêutrons. Integrar a nêutrons de Monte Carlo com códigos de desempenho de combustível permite uma modelagem mais realista do comportamento do combustível ao longo de sua vida útil no reator.

Por exemplo, como queima de combustível, ele aumenta e o intervalo entre o pelot de combustível e revestimento pode fechar, afetando a transferência de calor e temperatura do combustível. Liberação de gás de fissão pode pressurizar as hastes de combustível, potencialmente afetando sua integridade mecânica. Ao ligar esses efeitos com cálculos de neutrões, os engenheiros podem prever melhor desempenho de combustível e otimizar os projetos de combustível para confiabilidade e longevidade.

Futuro de Acoplamento Multi-Physics

Para modelagem e simulação do núcleo do reator, métodos determinísticos serão utilizados principalmente em curto prazo com Monte Carlo como ferramenta de benchmarking, no termo intermediário os métodos de Monte Carlo poderiam ser usados como uma ferramenta híbrida com acoplamento multifísico para códigos determinísticos de neutrões e hidráulicos térmicos, e no longo prazo códigos multifísicos usando grades não ortogonais fornecerão ferramentas de design completas e de alta precisão.

Para o futuro, os pesquisadores devem priorizar o desenvolvimento de gêmeos digitais integrados que fundem dados de monitoramento em tempo real, acoplamento multifísico e modelagem substituta orientada por IA para alcançar capacidade de simulação preditiva e adaptativa. Essa visão representa a próxima fronteira na simulação de reatores, onde os métodos de Monte Carlo desempenharão um papel central na criação de modelos abrangentes de reatores virtuais.

Validação e verificação

A confiabilidade das simulações de Monte Carlo para o projeto do reator depende criticamente da validação e verificação completas. A verificação garante que o código implemente corretamente os modelos matemáticos pretendidos, enquanto a validação confirma que os modelos representam com precisão a realidade física.

Verificação do Código

A verificação de código envolve testar códigos de Monte Carlo contra soluções analíticas, comparar resultados entre diferentes códigos e verificar a consistência interna. Muitos problemas físicos simples de reatores têm soluções analíticas que podem ser usadas para verificar que os códigos de Monte Carlo produzem resultados corretos. Por exemplo, as dimensões críticas de configurações geométricas simples com composições de materiais uniformes podem ser calculadas analiticamente e comparadas com as previsões de Monte Carlo.

Os problemas internacionais de referência fornecem outra ferramenta importante de verificação. Organizações como a Agência de Energia Nuclear mantêm bases de dados de problemas de referência com soluções de referência, que são contribuídos por várias instituições usando diferentes códigos.

Validação Experimental

Embora haja experiência suficiente na construção e operação de reatores nucleares em todo o mundo, ainda assim, quando um novo tipo de projeto de reator nuclear é previsto, é muito importante validar seu projeto, e o projeto de física de reatores nucleares envolve dois aspectos principais, a saber, simulações teóricas e sua validação experimental.Experimentos críticos, testes de reator de potência zero e medições de reatores operacionais fornecem dados essenciais para validar modelos de Monte Carlo.

As simulações de Monte Carlo mostram resultados comparáveis nos fluxos de nêutrons no núcleo do HEU e em algumas regiões de interesse, e as tendências observadas nas distribuições de fluxo radial e axial no núcleo foram reproduzidas, indicando consistência dos resultados, precisão do modelo, precisão do código de transporte do MCNP e comparabilidade das simulações de Monte Carlo. Essa validação contra medições experimentais demonstra que os métodos de Monte Carlo podem predizer de forma confiável o comportamento do reator.

Os testes de física de arranque realizados quando novos núcleos de reactores são levados à criticidade fornecem dados de validação particularmente valiosos. Estes testes medem parâmetros como concentração crítica de boro, valor da haste de controlo e coeficientes de temperatura isotérmica em condições bem controladas. Comparando as previsões de Monte Carlo com estas medições, valida tanto o código como as bibliotecas de dados nucleares utilizadas nos cálculos.

Quantificação da incerteza

Além da incerteza estatística do processo de amostragem de Monte Carlo, os cálculos de reatores enfrentam incertezas de dados nucleares, aproximações de modelagem e tolerâncias de fabricação. As abordagens modernas de quantificação de incerteza propagam essas várias fontes de incerteza através do cálculo para fornecer estimativas abrangentes de incerteza para parâmetros de projeto.

As incertezas de dados nucleares resultam de limitações nas medições experimentais e na teoria nuclear. As bibliotecas de seção transversal incluem informações de incerteza que podem ser amostradas em cálculos de Monte Carlo para avaliar como as incertezas de dados nucleares afetam os resultados.Essa análise de sensibilidade e incerteza ajuda a identificar quais os dados nucleares que têm maior impacto nos parâmetros de projeto, orientando prioridades para a melhoria de dados nucleares.

Aplicações Avançadas e Técnicas Emergentes

À medida que as capacidades computacionais continuam avançando e surgem inovações metodológicas, métodos Monte Carlo estão sendo aplicados a desafios de projeto de reator cada vez mais sofisticados.

Integração de Aprendizagem de Máquina

As técnicas de aprendizado de máquina estão sendo integradas com simulações de Monte Carlo para acelerar os cálculos e permitir novas aplicações. As redes neurais podem ser treinadas em resultados de Monte Carlo para criar modelos substitutos que predizem o comportamento do reator muito mais rápido do que simulações de Monte Carlo completas. Esses modelos substitutos permitem estudos de otimização que exigem avaliar milhares de variantes de design, o que seria impraticável apenas com cálculos diretos de Monte Carlo.

A aprendizagem de máquinas também pode melhorar os cálculos de Monte Carlo. Por exemplo, redes neurais têm sido usadas para melhorar técnicas de redução de variância, prever parâmetros de simulação ideais e acelerar a convergência em cálculos de autovalores. Estes trabalhos abrangem otimização de detectores, validação de dados nucleares, estimativa de fluxos melhorados por máquinas e produção de isótopos sustentáveis, abordando diretamente desafios urgentes na eficiência computacional, precisão de dados e fidelidade de modelos para sistemas nucleares avançados.

Modelagem de ordem reduzida

Um Modelo de Ordenamento Reduzido a priori de transporte de neutrões separados em energia por Decomposição Generalizada A priori foi formulado, e esta ROM é proposta como um meio de atenuar os desafios do transporte de nêutrons de grupo fino e condensação de seção transversal. Modelos de ordem reduzida capturam a física essencial do transporte de nêutrons, reduzindo drasticamente o custo computacional.

Estas técnicas decompõem o fluxo de neutrões em modos espaciais e energéticos, permitindo que o problema de transporte de alta dimensão seja aproximado com muito menos graus de liberdade. Quando combinado com métodos de Monte Carlo, modelos de ordem reduzida podem permitir uma exploração rápida do projeto e capacidades de simulação em tempo real que seriam impossíveis com abordagens tradicionais.

Algoritmos baseados em eventos

Os códigos tradicionais de Monte Carlo usam algoritmos baseados em história que rastreiam um nêutron de cada vez ao longo de toda a sua vida. Algoritmos baseados em eventos, por contraste, processam todos os nêutrons simultaneamente evento por evento, simulando primeiro todas as colisões, depois todos os espalhamentos, depois todas as fissões. Este artigo compara as abordagens baseadas em eventos e baseadas em história para explorar SIMD em simulações de transporte de nêutrons de Monte Carlo, e uma micro-benchmark representativa da computação de gargalo de desempenho mostra uma melhoria de desempenho de 10x usando o método baseado em eventos.

Algoritmos baseados em eventos podem explorar melhor arquiteturas modernas de computadores, particularmente unidades de processamento gráfico (GPUs) e processadores vetoriais que melhor funcionam ao executar a mesma operação em muitos elementos de dados simultaneamente. Enquanto desafios de implementação permanecem, Monte Carlo baseado em eventos representa uma direção promissora para alcançar um melhor desempenho computacional.

Simulações Dependentes do Tempo

Um código Monte Carlo puro e dependente do tempo chamado MC3-TD foi desenvolvido que é capaz de modelar geometrias complexas do núcleo do reator considerando nêutrons e precursores de nêutrons atrasados como partículas. Métodos Monte Carlo dependentes do tempo simulam transientes e cinéticas do reator, fornecendo insights sobre o comportamento dinâmico do reator que os cálculos de estado estacionário não podem capturar.

Esses métodos são particularmente valiosos para analisar cenários de inicialização, desligamento e acidente de reatores. Ao rastrear explicitamente precursores de nêutrons atrasados como partículas, Monte Carlo, dependente do tempo, pode modelar a distribuição espacial de precursores e seu movimento em reatores alimentados a fluidos, fenômenos que são difíceis de capturar com aproximações cinéticas de ponto tradicionais.

Considerações práticas sobre a implementação

A aplicação bem-sucedida de métodos Monte Carlo para otimização do núcleo do reator requer atenção a inúmeras considerações práticas além dos fundamentos teóricos da técnica.

Desenvolvimento de Modelos e Garantia de Qualidade

Criar modelos precisos de núcleos de reatores em Monte Carlo requer atenção cuidadosa aos detalhes geométricos, composições de materiais e condições operacionais. Os engenheiros devem traduzir desenhos e especificações de engenharia no formato de entrada exigido pelos códigos de Monte Carlo, garantindo que todas as características relevantes sejam capturadas, evitando complexidade desnecessária que iria retardar os cálculos sem melhorar a precisão.

Os procedimentos de garantia de qualidade são essenciais para detectar erros no desenvolvimento do modelo. Ferramentas de verificação visual que exibem a geometria modelada ajudam a identificar erros nas especificações geométricas. Verificações de balanço de materiais garantem que as composições de massa e isotópicas são corretamente especificadas. Comparação com cálculos manuais mais simples ou com resultados de código determinístico proporciona confiança adicional na correção do modelo.

Gestão de Recursos Computacionais

O uso eficaz dos métodos de Monte Carlo requer uma gestão cuidadosa dos recursos computacionais. Os engenheiros devem equilibrar as demandas concorrentes de fidelidade ao modelo, precisão estatística e tempo computacional. Para estudos de otimização de projetos envolvendo muitos casos, pode ser apropriado usar precisão estatística relativamente grosseira para o rastreamento inicial, em seguida, realizar cálculos de alta precisão apenas para os projetos mais promissores.

Os códigos modernos de Monte Carlo fornecem várias opções para controlar o custo computacional, incluindo o número de histórias de partículas, o nível de detalhes geométricos e a resolução de energia de contagens. Compreender como essas escolhas afetam tanto a precisão quanto o tempo computacional permite que os engenheiros tomem decisões informadas sobre alocação de recursos.

Análise e Interpretação dos Resultados

Interpretar os resultados de Monte Carlo requer compreender tanto a física que está sendo modelada como a natureza estatística dos resultados. As incertezas estatísticas devem ser devidamente propagadas quando se combinam resultados ou se comparam casos. Os engenheiros devem verificar que as simulações convergiram verificando se os resultados são estáveis à medida que se adicionam mais histórias de partículas e que a distribuição espacial das fontes de fissão alcançou equilíbrio.

As ferramentas de visualização desempenham um papel importante na análise dos resultados. Gráficos tridimensionais de distribuições de energia, mapas de fluxo e outras quantidades ajudam os engenheiros a identificar padrões e anomalias que podem não ser aparentes a partir de dados tabulares. Comparando resultados entre as variantes de design revela como as mudanças afetam o comportamento do reator e orientam as decisões de otimização.

Estudos de Caso e Aplicações do Mundo Real

Os métodos de Monte Carlo foram aplicados com sucesso para otimizar núcleos de reatores em uma ampla gama de tipos e aplicações de reatores. Examinar estudos de caso específicos ilustra o valor prático dessas técnicas.

Otimização do reator de potência comercial

O Laboratório de Física de Reator e Hidrália Térmica desenvolveu um conceito de "controlo de ciclo" que permite transferir as condições de operação e as composições isotópicas de combustível queimado de modelos de referência validados para códigos MC, como Serpent 2.2 ou MCNP6. Esta abordagem permite que os utilitários utilizem métodos Monte Carlo para análise detalhada de reatores operacionais, apoiando a otimização da gestão de combustível e análise de segurança.

Commercial pressurized water reactors have benefited from Monte Carlo optimization of fuel loading patterns, burnable absorber designs, and enrichment distributions. These optimizations have enabled higher fuel burnup, longer operating cycles, and improved economic performance while maintaining safety margins. The ability to accurately predict local power peaking and reactivity coefficients has been particularly valuable for pushing performance boundaries.

Aplicações de Reactores de Investigação

Anteriormente, métodos determinísticos têm sido usados para realizar cálculos e análises de núcleos neutrônicos, no entanto, devido ao seu pequeno núcleo, geometria complicada e outras estruturas associadas, tornou-se cada vez mais necessário empregar métodos mais versáteis, como os métodos de transporte de Monte Carlo para modelar com precisão o reator em três dimensões. Os reatores de pesquisa muitas vezes têm geometrias complexas com instalações experimentais, portas de feixe e posições de irradiação que desafiam métodos determinísticos.

As simulações de Monte Carlo têm sido usadas para otimizar núcleos de reatores de pesquisa para fluxo de nêutrons em posições experimentais, minimizar picos de potência e garantir margens de desligamento adequadas.A conversão de reatores de pesquisa de urânio de alta enriquecida para combustível de urânio de baixa enriquecida tem se baseado fortemente na análise de Monte Carlo para garantir que os núcleos convertidos mantenham o desempenho necessário, ao cumprir os objetivos de não proliferação.

Desenvolvimento avançado do reator

Este esquema de cálculo utiliza o método MC de energia contínua para gerar secções transversais multigrupos a partir de modelos heterogéneos, e o método MC multigrupo, que pode adaptar modelos localmente heterogéneos, é utilizado na etapa de cálculo do núcleo. Reactores avançados, como reatores rápidos com chumbo, reatores de sal fundidos e reatores a gás de alta temperatura apresentam desafios de design únicos que os métodos de Monte Carlo são adequados para enfrentar.

Para estes projetos inovadores, os dados experimentais podem ser limitados ou inexistentes, tornando a simulação de alta fidelidade essencial para o desenvolvimento do projeto. Os métodos de Monte Carlo fornecem a precisão necessária para prever características de desempenho e segurança com confiança, apoiando o licenciamento e aprovação regulatória de novos conceitos de reator. Você pode aprender mais sobre o desenvolvimento avançado de reatores na página U.S. Departamento de Tecnologias de Reator Avançado de Energia.

Orientações futuras e investigação em curso

O campo de simulação de reatores de Monte Carlo continua evoluindo rapidamente, impulsionado pelos avanços na tecnologia computacional, métodos numéricos e requisitos de aplicação. Várias direções de pesquisa-chave estão moldando o futuro dessas técnicas.

Computação Exascale

O surgimento de computadores em escala de exascale – sistemas capazes de realizar um bilhão de bilhões de cálculos por segundo – abre novas possibilidades para simulação de reatores de Monte Carlo. Essas capacidades computacionais sem precedentes permitirão simulações de rotina de núcleo completo com seções transversais de resolução pin-by-pin e energia contínua, cálculos que atualmente exigem dias ou semanas em sistemas convencionais.

A computação em escala de Exascale também facilitará a quantificação abrangente da incerteza, onde milhares de cálculos perturbados exploram o impacto das incertezas de dados nucleares, tolerâncias de fabricação e pressupostos de modelagem.

Melhoramento dos dados nucleares

A precisão das simulações de Monte Carlo depende fundamentalmente da qualidade dos dados nucleares – as seções transversais e outros parâmetros que descrevem como os nêutrons interagem com núcleos. Programas experimentais em andamento continuam a melhorar os dados nucleares, particularmente para isótopos importantes em projetos avançados de reatores. À medida que a qualidade dos dados nucleares melhora, as previsões de Monte Carlo se tornam mais precisas, reduzindo as incertezas de projeto e permitindo otimização mais agressiva.

As bibliotecas de dados nucleares modernas incorporam informações detalhadas sobre incertezas, permitindo uma análise de sensibilidade e incerteza que identifica quais dados nucleares têm maior impacto nos parâmetros de projeto.Essa informação orienta as prioridades experimentais e ajuda a quantificar a confiança que pode ser colocada nos resultados de simulação.

Algoritmos de otimização automatizados

Acoplamento de simulações de Monte Carlo com algoritmos de otimização automatizados permite a exploração sistemática de espaços de projeto para identificar configurações ideais. Algoritmos genéticos, recozimento simulado e outras técnicas de otimização podem orientar a busca por padrões de carga de combustível, distribuições de enriquecimento ou posições de absorventes que podem ser queimados que maximizam o desempenho enquanto satisfazem restrições.

O desafio reside no custo computacional de avaliar cada projeto candidato com Monte Carlo. Técnicas de modelagem substituto que usam aprendizado de máquina para aproximar resultados Monte Carlo podem acelerar drasticamente estudos de otimização, permitindo a exploração de espaços de projeto que seria impraticável com a avaliação direta Monte Carlo de cada candidato.

Tecnologia digital Twin

O conceito de gêmeos digitais – réplicas virtuais de sistemas físicos continuamente atualizados com dados em tempo real – representa uma aplicação emergente dos métodos de Monte Carlo. Para os reatores operacionais, gêmeos digitais podem combinar a Monte Carlo com a hidraulics térmica, desempenho de combustível e mecânica estrutural para criar modelos virtuais abrangentes que espelham o estado real do reator.

Estes gêmeos digitais podem apoiar a tomada de decisões em tempo real, prever o comportamento futuro e otimizar operações com base em condições reais da planta, em vez de pressupostos de projeto. Técnicas de aprendizado de máquinas podem permitir que o gêmeo digital aprenda com dados operacionais e melhorar sua precisão preditiva ao longo do tempo. Embora desafios técnicos significativos permanecem, gêmeos digitais representam uma visão convincente para o futuro da simulação e otimização de reatores.

Aplicações de Educação e Formação

Além de sua utilização na concepção e análise de reatores, os métodos de Monte Carlo desempenham um papel importante na educação e treinamento em engenharia nuclear. Compreender essas aplicações ajuda a apreciar o impacto mais amplo das técnicas de Monte Carlo no campo nuclear.

Instrução Acadêmica

Os códigos de Monte Carlo fornecem valiosas ferramentas educacionais para ensinar conceitos de física de reatores. Os alunos podem usar esses códigos para explorar como o comportamento do reator depende de vários parâmetros, visualizar distribuições de fluxos de nêutrons e ganhar intuição sobre sistemas nucleares. A capacidade de modificar facilmente modelos de reatores e ver imediatamente os resultados ajuda os alunos a desenvolver uma compreensão profunda dos princípios de física de reatores.

Códigos de código aberto como OpenMC são particularmente valiosos para a educação porque os alunos podem examinar o código fonte para entender como algoritmos Monte Carlo são implementados. Esta transparência suporta a aprendizagem em vários níveis, desde física básica de reatores a métodos numéricos avançados. Muitas universidades incorporaram exercícios Monte Carlo em seus currículos de engenharia nuclear, reconhecendo a importância dessas técnicas na prática profissional.

Desenvolvimento Profissional

Para a prática de engenheiros nucleares, a proficiência com os métodos de Monte Carlo tornou-se uma habilidade essencial. Programas de treinamento ajudam os engenheiros a desenvolver a experiência necessária para criar modelos precisos, interpretar resultados corretamente e aplicar técnicas de Monte Carlo a problemas práticos. Esses programas normalmente combinam instrução teórica com exercícios práticos usando códigos padrão da indústria.

As sociedades profissionais e laboratórios nacionais oferecem workshops e cursos curtos sobre métodos de Monte Carlo, oferecendo oportunidades para a educação continuada. Estes programas ajudam a garantir que a força de trabalho nuclear mantenha o conhecimento atual das melhores práticas e técnicas emergentes na simulação de Monte Carlo.

Aceitação e licenciamento regulamentares

A utilização de métodos Monte Carlo no projeto de reatores deve, em última análise, satisfazer os requisitos regulatórios para licenciamento de novos reatores ou modificação dos existentes. Compreender a perspectiva regulatória das simulações de Monte Carlo é essencial para o sucesso da aplicação dessas técnicas.

Qualificação do Código

Os órgãos reguladores exigem que as ferramentas computacionais utilizadas na análise de segurança sejam devidamente qualificadas através da verificação e validação. Para os códigos de Monte Carlo, isso implica demonstrar que o código implementa corretamente a física de transporte de nêutrons, que foi validado contra dados experimentais e que as incertezas nos resultados são devidamente quantificadas.

Os códigos Major Monte Carlo como MCNP têm extensas bases de dados de validação e têm sido aceitos por reguladores para várias aplicações. No entanto, cada aplicação específica pode exigir validação adicional para demonstrar que o código prediz com precisão os fenômenos de interesse. Esta validação específica de aplicação garante que os resultados de Monte Carlo podem ser confiados para decisões de segurança.

Requisitos de quantificação da incerteza

Os reguladores exigem cada vez mais uma quantificação abrangente da incerteza que responde por todas as fontes significativas de incerteza, não apenas a incerteza estatística de Monte Carlo, que inclui incertezas de dados nucleares, tolerâncias de fabricação, aproximações de modelagem e parâmetros operacionais. Demonstrando que as margens de projeto permanecem adequadas mesmo quando essas incertezas são consideradas essenciais para a aprovação regulatória.

As abordagens modernas de quantificação da incerteza utilizam a amostragem de Monte Carlo para propagar incertezas através do cálculo, produzindo distribuições de probabilidade para parâmetros de segurança em vez de estimativas de ponto único. Esta abordagem probabilística fornece aos reguladores informações mais completas sobre margens de projeto e características de segurança.

Conclusão

As simulações de Monte Carlo tornaram-se ferramentas indispensáveis para otimizar o projeto do núcleo do reator nuclear, oferecendo precisão incomparável na modelagem do comportamento de nêutrons e flexibilidade excepcional na manipulação de geometrias complexas. As simulações de Monte Carlo de alta fidelidade analisam os mecanismos de transporte, captura e vazamento de nêutrons para otimizar a utilização de combustível e o desempenho do núcleo, permitindo aos engenheiros projetar reatores mais seguros, eficientes e econômicos.

Os benefícios dos métodos de Monte Carlo – alta precisão, flexibilidade geométrica, maior avaliação de segurança e eficiência de custo – tornam-nos essenciais para o design moderno de reatores. Enquanto o custo computacional e o ruído estatístico apresentam desafios, os avanços contínuos em hardware computacional, algoritmos numéricos e técnicas de redução de variância continuam a expandir a aplicabilidade prática desses métodos.

Integração com simulações multifísicas, técnicas de aprendizado de máquina e modelagem de ordem reduzida promete melhorar ainda mais as capacidades dos métodos de Monte Carlo. À medida que a indústria nuclear desenvolve conceitos avançados de reatores e busca um desempenho mais elevado a partir de projetos existentes, as simulações de Monte Carlo desempenharão um papel cada vez mais central na otimização e análise de segurança dos reatores.

O futuro da simulação do reator de Monte Carlo é brilhante, com computação em escala exascale, dados nucleares melhorados, otimização automatizada e tecnologia digital dupla abrindo novas possibilidades. Esses avanços permitirão simulações mais detalhadas, mais precisas e mais abrangentes do reator, apoiando a evolução contínua da energia nuclear como fonte de energia segura, confiável e sustentável.

Para engenheiros e pesquisadores nucleares, desenvolver a experiência em métodos de Monte Carlo é essencial para contribuir para o projeto e otimização de reatores.A combinação de sólida compreensão teórica, experiência prática com códigos modernos e apreciação pela validação e quantificação de incertezas permitirá que a próxima geração de profissionais nucleares aproveite plenamente essas poderosas ferramentas computacionais para avançar com a tecnologia nuclear.