面向数字孪生使能技术的先进核燃料的AI驱动非侵入式不确定性量化
统计计算
2024-04-30 v3 应用统计
摘要
为响应在下一代核系统内建立AI/ML集成的数字孪生（DT）技术的迫切需求，建模方法与仿真代码方面的进步必不可少。模型复杂度的提升要求大量计算资源以量化其不确定性。为应对该挑战，我们引入一种基于多项式混沌展开的数据驱动非侵入式不确定性量化方法，作为基于有限元分析的燃料性能代码BISON中的高效策略。我们构建了燃料及SiC/SiC包壳材料的模型，以演示所提方法。四个独立不确定输入变量对系统输出的影响被量化，每个模型所需BISON仿真少于100次。该方法不仅加速了建模与仿真任务，也提升了DT使能技术开发中的可靠性。
引用
@article{arxiv.2211.13687,
title = {AI-driven non-intrusive uncertainty quantification of advanced nuclear fuels for digital twin-enabling technology},
author = {Kazuma Kobayashi and Dinesh Kumar and Syed Bahauddin Alam},
journal= {arXiv preprint arXiv:2211.13687},
year = {2024}
}