アルゴンヌ国立研究所のデジタルツイン技術が次世代原子炉の効率と安全性を大幅に向上させる イリノイ州レモント--(ビジネスワイヤ)--アルゴンヌ国立研究所の研究者たちは、デジタルツイン技術を開発し、原子炉の効率、信頼性、および安全性を高めることに成功しました。この技術は高度なコンピュータモデルと人工知能（AI）を活用し、原子炉の動作を予測することで、運転員がリアルタイムで適切な判断を下すことを支援します。 「私たちのデジタルツイン技術は、次世代原子炉の理解と管理において重要な一歩を踏み出しました。これにより、変化に対応するために必要な速度と精度で予測し、対応することが可能になります。」 -- アルゴンヌ主任原子力技師 ルイ・フー デジタルツインは、小型モジュール型原子炉やマイクロリアクターの動作を異なる条件下で監視し、予測することができます。アルゴンヌチームは、実験高速増殖炉II号機（EBR-II）と新しいタイプのフッ化塩冷却高温炉（gFHR）のデジタルツインを作成しました。EBR-IIのデジタルツインは、シミュレーションモデルの検証のために使用されました。 このデジタルツイン技術の核心は、グラフニューラルネットワーク（GNN）です。GNNは、データがグラフとして構造化されたシステムで優れたパフォーマンスを発揮し、相互接続された部品間の複雑なパターンと関係性を認識することができます。これにより、GNNベースのデジタルツインは実システムの堅牢で正確なレプリカを提供します。 研究者たちは、アルゴンヌ先端計算施設（ALCF）を使用してGNNを訓練し、不確実性の評価を行いました。GNNベースのデジタルツインは、従来のシミュレーションよりも大幅に高速で、さまざまな状況での原子炉の動作を迅速に予測できます。これには、出力の変化や冷却システムの性能低下などのシナリオが含まれます。訓練されたモデルは、限られたリアルタイムセンサデータに基づいて正確な予測を行い、より良い計画と意思決定をサポートし、維持費と運転コストを削減する可能性があります。 また、デジタルツインは原子炉を継続的に監視し、異常を検出した場合は安全と円滑な運転を維持するために変更を提案することができます。 アルゴンヌのデジタルツイン技術は、従来の方法よりも信頼性の高い予測を提供し、すべての原子炉部品がどのように連携して動作するかを理解することで、緊急時の計画、情報に基づいた意思決定、そして将来的には自律的な原子炉運転に活用される可能性があります。この革新は、次世代原子炉の開発と展開において大きな前進であり、安全で信頼性の高い効率的な運転を確保しながら、コスト削減と部品寿命の延長を可能にします。

Argonneのデジタルツイン技術が次世代原子炉の道を拓く イリノイ州レмонт--(ビジネスワイヤ)-- 実世界のシステムを再現したバーチャルな「デジタルツイン」は、様々な分野で革新的な可能性を秘めています。米国エネルギー省（DOE）アーゴンヌ国立研究所では、このデジタルツイン技術を活用して、原子炉の効率、信頼性、安全性を向上させる方法を開発しました。本技術は高度なコンピュータモデルと人工知能（AI）を用いて、原子炉の挙動を予測し、運転 viênがリアルタイムで最適な判断を下せるように支援します。 「私たちのデジタルツイン技術は、先進的な原子炉の理解と管理において重要な一歩です。これにより、変化に対し迅速かつ正確に予測と対応が可能になります」と、アーゴンヌの主任原子力技師である劉 慧（Rui Hu）氏は述べています。 デジタルツインは、小型モジュール炉やマイクロリアクターの挙動を異なる条件の下で監視し、予測することができます。アーゴンヌの研究チームは、過去の実験繁殖炉II型（EBR-II）と新しいタイプのフッ化塩高温炉（gFHR）のデジタルツインを作成するために、独自の手法を適用しました。EBR-IIのデジタルツインは、シミュレーションモデルの有効性を検証するためのテストケースとして使用されました。 デジタルツイン技術の核心は、グラフニューラルネットワーク（GNN）です。GNNは、データがグラフとして構造化されている場合に使用されるAIの一種で、相互接続された部品を表現します。GNNは複雑なパターンと関係性を認識するのが得意であり、それによって原子炉のすべての部品が連携してどのように働くかを理解することができます。これにより、GNNをベースにしたデジタルツインは実システムの堅牢で正確な複製を提供します。 研究者は、DOEオフィス・オブ・サイエンスの利用施設であるアーゴンヌ高等計算施設（ALCF）を利用し、GNNの学習と不確実性評価を行いました。不確実性評価は、モデルの信憑性を高めるために不確実性を特定し、減少させるプロセスです。 GNNベースのデジタルツインは、伝統的なシミュレーションよりも大幅に高速で、パワー出力の変動や冷却システムの性能などの様々な状況での原子炉挙動を迅速に予測できます。これは、アーゴンヌのシステム分析モジュール（SAM）から得られるシミュレーションデータで学習を行っているためです。訓練済みモデルは、限られたセンサデータを基に正確な予測を出すことができ、より良い計画と意思決定を支援し、維持費用や運転コストを削減することも期待されます。 さらに、デジタルツインは運行中の原子炉を継続的に監視し、異常を見つけた場合は安全性を確保するために必要な変更を提案できます。これは、事故の早期発見や運転の安定化につながります。 アーゴンヌのデジタルツイン技術は、伝統的な方法との比較で多くの利点を持っています。原子炉全体の挙動の理解により、より信頼性のある予測が可能になり、緊急プランニング、情報に基づく意思決定、そして将来的には原子爐の自律運転にも活用できます。この革新は、先進的な原子爐の開発と展開における重要な前進を示し、安全で、信頼性の高い、効率的な運転を保証つつ、コスト削減と部品寿命の延⾧へも貢献しています。