Estimation of continuous distribution of iterated fission probability using an artificial neural network with Monte Carlo-based training data

Tuya, D.; 長家 康展

Journal of Nuclear Engineering (Internet), 4(4), p.691 - 710, 2023/11

https://doi.org/10.3390/jne4040043

モンテカルロ中性子輸送計算手法は、固有値や積分中性子束などの様々な量を正確に評価するために用いられる。しかし、ある分布量を求める場合、モンテカルロ法では連続的な分布が得られないのが一般的である。近年、モンテカルロ法で連続分布を得るために、関数展開法やカーネル密度推定法が開発されている。本論文では、モンテカルロ法によって得られた訓練データと人工ニューラルネットワーク(ANN)モデルを用いたある物理量に対する連続分布の推定手法を提案する。概念実証として、2つの核分裂体系における反復核分裂確率(IFP)の連続分布をANNモデルにより推定した。ANNモデルによるIFP分布を、元のデータセット及びPARTISNコードで得られた随伴角中性子束と比較した。比較の結果、一致や不一致の程度はさまざまであったが、ANNモデルはIFP分布の一般的な傾向を学習することを確認した。

New approach to understanding the experimental Cs NMR chemical shift of clay minerals via machine learning and DFT-GIPAW calculations

大窪 貴洋*; 武井 滉洋*; 舘 幸男; 深津 勇太; 出口 健三*; 大木 忍*; 清水 禎*

Journal of Physical Chemistry A, 127(4), p.973 - 986, 2023/02

https://doi.org/10.1021/acs.jpca.2c08880

粘土鉱物へのCsの吸着サイトの特定は、環境化学の分野で研究されてきた。核磁気共鳴(NMR)実験によって、吸着されたCsの局所構造を直接観察することが可能である。固体NMR実験から得られたCsのNMRパラメータは、吸着されたCsの局所的な構造に敏感である。しかしながら、NMRデータだけからCsの吸着位置を決定することは困難であった。本研究では、機械学習と実験的に観察されたケミカルシフトを組み合わせることにより、粘土鉱物に吸着されたCsの吸着位置を特定するためのアプローチについて提示する。原子配置の記述子とNMRによるケミカルシフトの第一原理計算結果を関連付けて評価する機械学習の線形リッジ回帰モデルを構築した。これにより、原子配置の構造データからCsのケミカルシフトを高速で計算することが可能となった。機械学習モデルによって、実験的に観察された化学シフトから逆解析を行うことにより、Cs吸着位置を導き出すことが可能になる。

Dynamic probabilistic risk assessment of nuclear power plants using multi-fidelity simulations

Zheng, X.; 玉置 等史; 杉山 智之; 丸山 結

Reliability Engineering & System Safety, 223, p.108503_1 - 108503_12, 2022/07

https://doi.org/10.1016/j.ress.2022.108503

Dynamic probabilistic risk assessment (PRA) more explicitly treats timing issues and stochastic elements of risk models. It extensively resorts to iterative simulations of accident progressions for the quantification of risk triplets including accident scenarios, probabilities and consequences. Dynamic PRA leverages the level of detail for risk modeling while intricately increases computational complexities, which result in heavy computational cost. This paper proposes to apply multi-fidelity simulations for a cost- effective dynamic PRA. It applies and improves the multi-fidelity importance sampling (MFIS) algorithm to generate cost-effective samples of nuclear reactor accident sequences. Sampled accident sequences are paralleled simulated by using mechanistic codes, which is treated as a high-fidelity model. Adaptively trained by using the high-fidelity data, low-fidelity model is used to predicting simulation results. Interested predictions with reactor core damages are sorted out to build the density function of the biased distribution for importance sampling. After when collect enough number of high-fidelity data, risk triplets can be estimated. By solving a demonstration problem and a practical PRA problem by using MELCOR 2.2, the approach has been proven to be effective for risk assessment. Comparing with previous studies, the proposed multi-fidelity approach provides comparative estimation of risk triplets, while significantly reduces computational cost.

ラドンを代表としたアルファ核種の吸入による内部被ばくの横断的生体影響(委託研究); 令和元年度英知を結集した原子力科学技術・人材育成推進事業

廃炉環境国際共同研究センター; 岡山大学*

JAEA-Review 2020-029, 55 Pages, 2020/12

JAEA-Review-2020-029.pdf:2.08MB

日本原子力研究開発機構(JAEA)廃炉環境国際共同研究センター(CLADS)では、令和元年度英知を結集した原子力科学技術・人材育成推進事業(以下、「本事業」という)を実施している。本事業は、東京電力ホールディングス福島第一原子力発電所の廃炉等をはじめとした原子力分野の課題解決に貢献するため、国内外の英知を結集し、様々な分野の知見や経験を、従前の機関や分野の壁を越えて緊密に融合・連携させた基礎的・基盤的研究及び人材育成を推進することを目的としている。平成30年度の新規採択課題から実施主体を文部科学省からJAEAに移行することで、JAEAとアカデミアとの連携を強化し、廃炉に資する中長期的な研究開発・人材育成をより安定的かつ継続的に実施する体制を構築した。本研究は、研究課題のうち、平成30年度に採択された「ラドンを代表としたアルファ核種の吸入による内部被ばくの横断的生体影響」の令和元年度の研究成果について取りまとめたものである。本研究は、廃炉工程で発生するダスト対策に係る被ばく影響評価を目的としている。すでに先行研究の多い線放出核種のラドンを用い、体内で線を放出した際に周辺細胞に与える影響の推定と組織レベル・個体レベルでの生物学的応答を検討する。研究組織の分野横断的な有機的連携により、線放出核種の内部被ばくによる健康影響評価モデルの構築を目指す。

ラドンを代表としたアルファ核種の吸入による内部被ばくの横断的生体影響評価(委託研究); 平成30年度英知を結集した原子力科学技術・人材育成推進事業

廃炉国際共同研究センター; 岡山大学*

JAEA-Review 2019-024, 61 Pages, 2020/01

JAEA-Review-2019-024.pdf:2.22MB

日本原子力研究開発機構(JAEA)廃炉国際共同研究センター(CLADS)では、平成30年度英知を結集した原子力科学技術・人材育成推進事業(以下、「本事業」という)を実施している。本事業は、東京電力ホールディングス福島第一原子力発電所の廃炉等をはじめとした原子力分野の課題解決に貢献するため、国内外の英知を結集し、様々な分野の知見や経験を、従前の機関や分野の壁を越えて緊密に融合・連携させた基礎的・基盤的研究及び人材育成を推進することを目的としている。平成30年度の新規採択課題から実施主体を文部科学省からJAEAに移行することで、JAEAとアカデミアとの連携を強化し、廃炉に資する中長期的な研究開発・人材育成をより安定的かつ継続的に実施する体制を構築した。本研究は、研究課題のうち、平成30年度「ラドンを代表としたアルファ核種の吸入による内部被ばくの横断的生体影響評価」について取りまとめたものである。本研究は、体内で線を放出した際に周辺細胞に与える影響の推定、線の被ばくによる個体レベルでの生物学的応答の検討を既に先行研究の多い線放出核種のラドンを用いた影響評価により、核種の内部被ばくによる健康影響評価モデルの構築を、研究組織の分野横断的な有機的連携を行うことで研究拠点形成を目指す。

ラドン吸入によるマウス脳中のグルタチオン合成に関する機械学習に基づいたメタボローム解析

神崎 訓枝; 迫田 晃弘; 田中 裕史; 片岡 隆浩*; 石田 毅; 山岡 聖典*

no journal, , 

これまで我々は、抗酸化物質でもありイオウ代謝物でもあるグルタチオンがラドン吸入により増加することを明らかにしてきたが、どのような経路でグルタチオンが誘導されるのかはまだわかっていない。そこで、本研究では、抗酸化物質を含むイオウ代謝物に注目したメタボローム解析を行って、ラドン吸入よって変化するマウス脳中イオウ代謝物の探索を行った。バックグランドレベル、1000Bq/m, 10000Bq/mのラドンを24時間吸入したオスのBLAB/cマウスの脳を摘出し、イオウ代謝関連物質を網羅的に調べた。その結果、55種類中27種類の物質が検出され、特に、ラドン1000Bq/mや10000Bq/mでグルタチオンの前駆体であるシステインやシスタチオニンが増加していることがわかった。この結果から、ラドン吸入によるグルタチオンの増加はトランススルフレーション経路によるものであることが示唆された。加えて、機械学習の一種である自己組織化マップを用いた27種のイオウ代謝物の変化特性に基づく総合的なデータ解析を行った。クラスタリングの結果から、被ばくのバイオマーカーとして有用な代謝物の探索の可能性について報告する。

化学組成を用いた機械学習による破砕帯活動性評価; 取り組み事例の紹介

島田 耕史; 立石 良*

no journal, , 

破砕帯の活動性評価では、上載地層法の適用が一般的であるが、地下坑道やボーリングで遭遇する破砕帯はその地表への延長部が不明な場合が多く、別の手法が必要である。開発すべき手法は、専門的判断の助けとなるような、結果が人に依存せず客観的に導き出されるものであり、実施, 普及, 検証を一般的な地質技術者が実行可能である必要がある。この目標に照らして、破砕帯中軸部の断層ガウジの全岩化学組成は魅力的である。活断層と非活断層で断層岩の化学組成に違いがあるか、という問題に対し、化学組成を用いた機械学習(多変量解析)が解決手段になり得ると考え、活動性が既知である断層の断層ガウジの化学組成の文献値を収集し、多変量解析によって活断層と非活断層を判別する一次式の探索を2018年から開始した。花崗岩質岩を対象とした検討結果は、活断層と非活断層の2群を判別率100%で分ける判別式が複数存在することを示している。発表では、過去の検討事例も含め、現在の取り組み状況を紹介する。

Prediction of the operating control rod position of the HTTR with supervised machine learning

Ho, H. Q.; 長住 達; 島崎 洋祐; 濱本 真平; 飯垣 和彦; 後藤 実; Simanullang, I. L.*; 藤本 望*; 石塚 悦男

no journal, , 

During operation of the HTTR, hundreds of technical signals and operating conditions must be observed and evaluated to ensure safe operation of the reactor, for example reactor power, control rod position, coolant flow rate inlet/outlet, coolant temperature inlet/outlet, etc. The accumulated experiment data of the HTTR is not only important for the HTTR operation, but also for the basic development of the HTGR in general. Artificial intelligence (AI) and particularly machine learning (ML) are increasingly being used in various fields of research in modern science. They give the ability to make predictions as well as allow the extraction of key information about physical process from large datasets. Hence, there is a lot of potentials to apply AI and ML to predict the operating and safety parameters of the HTTR, and finally, a reactor simulator system for the HTTR could be expected by using the AI and ML algorithm. In this study, the control rod position of the HTTR is predicted based on ML without using the conventional neutronic codes. With the large accumulated data from operation history of the HTTR, the supervised ML with a linear regression algorithm was used. The linear regression algorithm finds a functional relationship between the input dataset (reactor power, burnup, etc.) and a reference dataset (control rod position), constructing a function that predicts control rod position from the other operation conditions. As result, the ML gives a good prediction of the HTTR control rod position with less than 5 difference compared to that in the experiment. This study is the initial step towards machine learning for research and analysis at the HTTR facility. With increasingly complicated experiments that create a large amount of data, ML is also expected to improve the design and safety analysis of the HTTR in the future.