用于反应堆功率多维回归的深度代理模型
计算物理
2020-07-14 v2 机器学习
摘要
对开发小型模块化反应堆和微型反应堆的兴趣再度兴起。这些反应堆在建造与运行方法上均需创新以具备经济吸引力。在运行方面，一个令人关注的领域是开发完全自主的反应堆控制。在遵守既定安全标准的同时，展示核系统的自主控制框架需付出大量努力。我们小组已提出并获支持在次临界系统上展示自主框架：MIT 石墨指数堆。为获得快速响应(毫秒量级)，我们必须将通用系统代码特定能力提取至代理模型。因此，我们采用当前最先进的神经网络库构建代理模型。本工作聚焦于确立神经网络提供核反应堆功率分布准确且精确多维回归的能力。我们针对先前已验证模型：MIT 反应堆的 MCNP5 模型评估神经网络代理。结果表明神经网络是植入自主反应堆控制框架中代理模型的合适选择。所有测试数据集的 MAPE < 1.16%，相应标准差 < 0.77%。考虑到节点裂变功率在堆芯中可从 7 kW 变化至 30 kW，该误差较低。
引用
@article{arxiv.2007.05435,
title = {Deep Surrogate Models for Multi-dimensional Regression of Reactor Power},
author = {Akshay J. Dave and Jarod Wilson and Kaichao Sun},
journal= {arXiv preprint arXiv:2007.05435},
year = {2020}
}
备注
4 pages, 7 figures; font fixed from v1;