원자로의 정상적인 작동 동안, 원자로의 핵심의 핵 연료는 지속적으로 "연소"되고있다. 따라서, 대부분의 원자로는 주기적으로 연료를 연출해야하기 때문에 18-24 개월의 주기로 작동됩니다.
이 급유 중단은 일반적으로 반응기를 중단하고 반응기 압력 용기를 열어야하는 복잡하고 비싼 절차입니다. 연료 고갈은 코어 전체에 균질하게 분포되지 않으며, 일반적으로 가장 고갈 된 연료 어셈블리 (FAS)의 3 분의 1이 각 급유에서 교체됩니다. 나머지 부분적으로 화상을 입은 신선한 FA는 재배치 입니다. 새로운 코어 구성을 형성합니다. 배열 코어의 핵 FA를 "로딩 패턴"또는 간단히 LP라고합니다. 새로운 핵심 구성은 몇 가지 목표를 충족해야하며, 이는 상충 될 수 있습니다. 예를 들어, 모든 안전 제한과 운영 제약 조건을 충족시키면서 후속 급유 정전까지 에너지 생산을 극대화합니다.
결과적인 코어가 가능한 최상의 방식으로 안전 및 운영 요구 사항을 충족 시키도록 최상의 LP를 찾는 이러한 과제는 전형적인 개별 최적화 문제입니다. 이 문제는 거대한 검색 공간이 특징이며 다목적, 비선형, 비정규, NP- 하드 조합 문제입니다. 표준 가압 된 물 반응기에서 일반적으로 약 200 개의 다른 FA가 있으며 가능한 다른 LP의 수는 약 200입니다! 각 LP는 복잡한 계산 및 집중 컴퓨터 시뮬레이션을 사용하여 평가, 분석 및 특성화되어야하는 다른 핵 코어를 구성합니다. 단일 코어를 평가하는 데 1 초가 걸리면 전체 검색 공간을 가로 지르는 데 10 년이 걸립니다. 우주의 나이가 ~ 10 세에 불과하다는 점을 고려할 때,이 문제를 해결하기위한 다른 방법을 찾아야합니다.
이러한 종류의 최적화 문제를 해결하는 데 사용되는 잘 알려진 방법은 진화 알고리즘,보다 구체적으로 유전자 알고리즘 (GA)입니다. GA는 그라디언트 기반 방법과 같은보다 직접적인 방법이 적용되지 않는 거대한 검색 공간에 적합한 검색 도구입니다. GA는 다윈의 진화의 개념, 즉 적합한 생존의 개념을 기반으로합니다. GA의 기초가되는 개념은 검색 공간의 일부를 다루는 솔루션 (개인)을 복용하고,“진화”과정을 수행하여 최적의 솔루션을 찾아 검색 공간을 통해 인구를 이동시키는 것으로 구성됩니다.
.우리의 경우, 진화론 적 과정은 각 LP를 인구의 개인으로 간주하여 최적화 목표에 "적합"하는 정도에 따라 부모 (선택)를 선택하고 교배 (크로스 오버)에 따라 더 나은 부모로 선택하고 마침내 자손 솔루션을 번식시키기 위해 돌연변이합니다. 이 과정이 세대에 걸쳐 반복되고, 더 나은 (가장 적합한) 개인이 부모로 선호되기 때문에 우수한 자손 솔루션이 등장합니다.
최근에 발표 된 연구에서 annals of Nuclemer , Erez Gilad 박사와 Ph.D. Negev의 Ben-Gurion University (BGU)의 원자력 공학 부서의 학생 Ella Israeli는 Core Design (LP)의 최적화를 위해 GA를 사용할 때 발생하는 중요한 문제 중 일부를 해결합니다. 예를 들어,이 분야의 많은 연구는 기본적이고 심지어 쓸모없는 GA 구현을 사용하여 코어의 기하학적 구조와 같은 중요하고 관련 문제 관련 정보를 무시하거나 불필요한 대칭 제한을 부과하여 알고리즘 런타임을 줄입니다. 그들의 연구에서 Gilad 박사와 이스라엘은 원자로에 대한 LP 설계에 대한 다양한 사례 연구를 사용하여 새로운 GA 방법을 개발, 구현 및 평가합니다.
그들의 연구에서 BGU의 연구원들은 염색체의 표현을 순열로 간주하는 개선 된 크로스 오버 및 돌연변이 연산자를 개발했습니다. 원자로 코어의 LP는 본질적으로 연료, 흡수기, 반사기와 같은 다른 유형의 재료를 포함하는 2 차원 어레이입니다. 그것은 "유전자"가 코어의 다른 위치와 유형을 나타내는 "염색체"로 표현된다. 염색체 표현은 코어의 상이한 재료 및 요소의 미리 정해진 양을 보존하기 위해 핵심 구조의 순열로 선택된다. 이 표현은 모집단의 유전 적 분산에 대해 단순하고 직관적 인 물리적 의미를 제공합니다.
알고리즘의 또 다른 새로운 특징은 코어의 공간 구조를 설명함으로써 문제의 기하학적 특성을 고려하는 것입니다. 연구원들은이 정보를 활용하는 새로운 기하학적 크로스 오버 연산자를 개발하고 구현은 우수한 결과를 보여줍니다. 크로스 오버는 선택된 부모로부터 새로운 솔루션을 창출하는 책임을 맡은 유전자 운영자입니다. 그것은 두 부모 염색체 사이의 유전자 세그먼트를 교체하여 유전자 데이터를 혼합하여 자손을 만듭니다. 이 연구를 위해 개발 된 적응 형 크로스 오버 연산자는 선택된 두 LP 부모 사이에서 인접한 FA의 다양한 크기의 직사각형 세그먼트를 바꾸는 것을 기반으로합니다.
BGU 연구자들은 또한 인구의 즉각적인 유전 적 분산에 기초하여 고도로 적응 형 돌연변이 전략을 개발했다. 알고리즘은 집단의 유전 적 다양성을 지속적으로 모니터링하고 집단의 균질성 수준에 따라 돌연변이 속도를 자동으로 변화시킨다. 모집단이 균질할수록 돌연변이 속도가 높아집니다. 이 기능은 알고리즘 성능을 크게 향상시키는 것으로 나타났습니다.
마지막으로, BGU의 연구원들은 대칭 핵심 디자인의 전통적인 가정에 도전하며, 이는 LP 최적화의 전체 분야를 지배적으로 기초가됩니다. 이 가정은 원자로의 다른 1 차 냉각수 루프가 공칭 작동 동안 유사한 열 여학 조건을 유지해야하며, 반응기 코어의 전력 분포에 대칭을 부과하기 때문에 이루어집니다. 또한 대칭 LP는 훨씬 직관적이며 핵 엔지니어는 핵심 LPS 설계에 대한 직관과 경험에 어느 정도 의존합니다. 이러한 대칭 제약은 다른 유형의 원자로 또는 임계 시설 (연구 원자로, SMR)이 고려되면 제거됩니다. 이 연구는 중요하고 비 전통적인 결론을 보여줍니다. 어떤 경우에는 최고의 LP가 대칭이 아니며 매우 놀랍고 반 직관적 일 수 있습니다.
.이 연구는 진화 알고리즘과 원자로 물리학에 대한 전문 지식의 조합이 필요하다는 의미에서 진정한 학제 간 성격에 관한 것입니다. 이 연구 분야는 적극적이고 관련이 있지만, 그러한 문제를 해결하기위한 현대 진화 알고리즘의 성공적인 적용은 단지 시작일뿐입니다.
.이러한 결과는 최근에 저널 annals of Nuclear Energy에 발표 된 핵심 물리 휴리스틱을 기반으로 한 패턴 최적화 로딩을위한 소설 유전자 알고리즘이라는 제목의 기사에 설명되어 있습니다. 이 작업은 Negev의 벤 구리온 대학교에서 E. 이스라엘과 E. 길라드에 의해 수행되었으며 이스라엘 에너지 부, 계약 번호 216-11-008에 의해 부분적으로 자금을 지원받습니다.
.
