Prediction of plutonium content of BWR/MOX fuel using a neural network

BWR/MOX燃料におけるプルトニウム含有量のニューラルネットワークによる予測

Orgonasi, C.*; 西原 健司 ; Luzieux, C.*; 阿部 拓海 ; 岡村 知拓*; 中瀬 正彦*

Orgonasi, C.*; Nishihara, Kenji; Luzieux, C.*; Abe, Takumi; Okamura, Tomohiro*; Nakase, Masahiko*

本研究では、1群断面積を用いることに起因するNMB燃料サイクルシミュレータの精度不足と計算負荷の大きさに対処するため、多層パーセプトロン(MLP)モデルを開発し、NMBに統合した。MLPは、ATRIUM-10沸騰水型炉(BWR)体系についてSERPENTコードで生成した5,000ケースの燃焼計算データを用いて学習した。開発したMLPは、二分探索アルゴリズムと組み合わせることで、プルトニウム含有量を誤差1%未満で決定でき、計算速度はPu富化度決定で約60倍、全体計算で約4倍高速化された。

This study addresses the inaccuracy of NMB fuel cycle simulator due to the one-group cross-section as well as the computational burden by developing and integrating an Multi-Layer Perceptron (MLP) model into NMB. A custom PyTorch MLP was trained on a dataset of 5,000 depletion calculations generated with the SERPENT code for an ATRIUM-10 boiling water reactor geometry. The developed MLP, in conjunction with a dichotomy search algorithm, determined the plutonium content with an error below 1% and achieved calculation speed of approximately 60 times for determination of Pu enrichment and 4 times for overall calculation.