NVIDIA AI SMR tervezés
A mesterséges intelligencia és a GPU-gyorsítás segítheti a biztonságosabb atomenergia fejlesztését, különösen a kis moduláris reaktoroknál.
A nukleáris reaktorok tervezésénél a numerikus szimulációk elengedhetetlenek, ám ezek rendkívül magas számítási költsége jelentős szűk keresztmetszetet okoz a fejlesztési folyamatban. A NVIDIA most bemutatta, hogyan segíthetnek a GPU-gyorsított, AI-alapú szimulációs megoldások ezen a problémán — írja a Nvidia Developer Blog.
A NVIDIA CUDA-X könyvtárai, a PhysicsNeMo AI Physics keretrendszer és az Omniverse könyvtárak valós idejű digitális ikreket tesznek lehetővé a nukleáris reaktorok szimulációjához. Ezek a technológiák lehetővé teszik a mérnökök számára, hogy innovatív terveket vizsgáljanak, szigorúan felmérjék a biztonságot, és felgyorsítsák a tisztább, hatékonyabb nukleáris technológiákra való átállást.
AI-alapú szimulációs munkafolyamat
A munkafolyamat több lépésből áll: először nagy pontosságú szimulációkkal generálnak adatokat, majd a PhysicsNeMo Curator segítségével előkészítik ezeket a GPU-alapú betanításhoz. Ezt követően a PhysicsNeMo keretrendszerrel tanítják be a szurrogát modelleket több GPU-n. Az elkészült modellt API-n keresztül teszik elérhetővé, hogy interaktív digitális ikrekbe integrálhassák, végül pedig optimalizálási és bizonytalansági kvantifikációs feladatokra használják.
Az AI szurrogát modellek képesek előre jelezni a teljes térbeli mezőket, ami kritikus fontosságú a reaktorfizikában, és könnyen adaptálhatók más területekre, például a CFD-re (számítási folyadékdinamika) és a szerkezeti analízisre. Egy tipikus reaktormag körülbelül 50 000 üzemanyagcellát tartalmaz, ami miatt a teljes mag szimulációja explicit cellafelbontással számításilag kivitelezhetetlen.
A NVIDIA megoldása lehetővé teszi a neutronfluxus és a makroszkopikus keresztmetszeti mezők együttes előrejelzését közvetlenül a geometria és az üzemanyag-dúsítás alapján. Ez a fizikai alapú megközelítés sokkal nagyobb pontosságot biztosít, mint a hagyományos regressziós modellek, amelyek csak skaláris bemeneteket használnak. A kód, amellyel az adathalmazt generálták és a modelleket betanították, nyilvánosan elérhető a Nvidia Developer Blogon.