面向中子的神经元：一种用于区域分解中子输运问题计算负载估计的 Transformer 模型

区域分解是一种用于降低大型中子输运问题内存开销的技术。目前，这些区域的最佳负载均衡处理器分配通常通过对问题进行小规模模拟来确定，这对研究人员而言可能非常耗时，并且每次问题输入改变时都必须重复进行。我们提出了一种具有独特 3D 输入嵌入的 Transformer 模型，以及专为区域分解中子输运问题设计的输入表示，该模型能够预测由小规模模拟生成的子区域计算负载。我们证明，这种在区域分解小型模块化反应堆（SMR）模拟上训练的模型能够达到 98.2% 的准确率，同时能够完全跳过小规模模拟步骤。此外，还讨论了该模型在变体燃料组件、其他问题几何形状以及模拟参数变化时的鲁棒性测试。