アメリカ合衆国エネルギー省のアルゴンヌ国立研究所の研究者たちは、トランスフォーマーベースのモデルを利用して、高度な原子炉の流体力学シミュレーションを加速させ、エンジニアが原子炉の安全性と性能をより迅速に研究できるようにしています。トランスフォーマーは多くの生成的人工知能システムの背後にある神経ネットワークアーキテクチャであり、アルゴンヌの研究者たちはこの技術を別のタスクに調整しています：原子力システム内の流体の動きと熱伝達をシミュレートすることです。このチームは、アルゴンヌのシステム分析モジュール（System Analysis Module, SAM）にトランスフォーマーアーキテクチャを統合しており、これは高度な原子炉の研究に使用されるシミュレーションツールです。
その目標は、乱流モデリングを改善することで、研究者が複雑な流体の挙動とそれが原子炉システムに与える影響を予測するのを助けることです。トランスフォーマーベースのモデルを乱流シミュレーションと組み合わせることで、研究者たちは従来の方法よりも迅速かつ正確な結果を得ることを期待しています。この作業は最終的に、エンジニアが原子力発電所全体をシミュレートできるようにする可能性があります。これには原子炉、冷却システム、その他の支援インフラが含まれます。
原子炉内では、流体の動きを理解することが重要です。なぜなら、流体は熱を運び、発電所全体のコンポーネントと相互作用するからです。乱流モデリングは、研究者がこれらの複雑な流れを予測するのを助けますが、詳細なシミュレーションには大量の計算リソースが必要です。アルゴンヌのトランスフォーマーベースのアプローチは、位置、速度、流体の流れを含む物理データポイント間の関係を分析します。このモデルは、流体の流れにおける抵抗と熱伝達を特性化する上で高い精度を示しており、信頼性のある乱流シミュレーションにとって重要な特性です。アルゴンヌの核科学および工学部（Nuclear Science and Engineering Division, NSED）の主任核エンジニアであり、安全および工学分析部のマネージャーであるルイ・フー（Rui Hu）は次のように述べています。「人工知能を利用することで、
私たちは複雑な方法と同じ精度を持ちながら、シンプルな方法の速度を享受できます。これは精度と速度の融合です。」
アルゴンヌ国立研究所の研究は原子炉シミュレーションの未来を変える
アルゴンヌによれば、人工知能に基づくモデルはほぼ瞬時にシミュレーション結果を生成でき、同時により複雑な計算方法に関連する精度を維持します。これにより、研究者は同じ時間と計算の要求なしに、より現実的なシミュレーションを行える可能性があります。改善されたモデリングは、原子炉の設計、性能、安全性の研究をサポートできます。また、流体の挙動の変化が全体の原子力システムにどのように影響するかを評価するのにも役立ちます。
研究者たちの次のステップは、このモデルを発電所全体のシミュレーションに適用することです。これらのシミュレーションには、原子炉自体や冷却、安全、補助、その他の支援システムが含まれる可能性があります。チームはまた、物理システムの仮想表現であるデジタルツイン技術を探求しています。これはリアルタイムで実行および更新できます。アルゴンヌの研究者たちは、原子力システムにおけるトランスフォーマーアーキテクチャを使用してデジタルツイン技術を探求する最初のチームの一つであると述べています。デジタルツインは最終的に、エンジニアが物理システムのリアルタイム情報を組み合わせながら、原子力施設を監視およびシミュレートできるようにします。より迅速なシミュレーションモデルと組み合わせることで、この技術は発電所の性能を研究し、潜在的な問題を特定するための別のツールを提供できます。
今後の作業は、トランスフォーマーベースのモデルの拡張、精度と柔軟性の向上、そして新しい人工知能機能をSAMのシミュレーションワークフローに統合することに焦点を当てます。このプロジェクトは、アメリカ合衆国エネルギー省の原子力エネルギー先進モデリングおよびシミュレーション（Nuclear Energy Advanced Modeling and Simulation, NEAMS）プログラムの支援を受けています。