Il mondo dell’ingegneria nucleare ha fatto un grande balzo in avanti con il lancio del primo benchmark completo di AI e ML per prevedere il flusso di calore critico (CHF). Questo punto di riferimento, fondamentale per i sistemi di ebollizione, indica il momento in cui il trasferimento di calore dalla parete cala drasticamente, portando a fenomeni come la transizione di ebollizione critica o la crisi di ebollizione. Nei reattori nucleari, un CHF elevato può accelerare l’ossidazione delle pareti e rischiare il cedimento delle barre di combustibile. Prevedere il CHF è un’impresa difficile, complicata dalla natura complessa dei flussi di fluido e delle dinamiche di scambio termico.
L’AI e l’ML stanno facendo passi da gigante, suscitando grande interesse tra gli ingegneri nucleari. Tuttavia, la mancanza di benchmark specializzati ha limitato l’adozione diffusa di queste tecnologie nell’analisi di ingegneria nucleare. In risposta, il gruppo di lavoro sulle questioni scientifiche e le analisi dell’incertezza del Comitato per le scienze nucleari ha istituito una Task Force sull’intelligenza artificiale e l’apprendimento automatico per il calcolo scientifico in ingegneria nucleare.
L’obiettivo della Task Force è quello di creare esercizi di benchmark che mirino alle applicazioni critiche di AI e ML in un’ampia gamma di domini computazionali, dalla fisica singola a quella multiscala e multifisica. Questo impegno riflette la serietà e la dedizione della comunità scientifica internazionale verso l’utilizzo dell’AI e dell’ML nell’ingegneria nucleare. La Task Force mira a stabilire linee guida di base per l’uso di queste tecnologie nel calcolo scientifico nucleare, basandosi sulle lezioni apprese dai benchmark.
Attualmente, i modelli CHF si basano su correlazioni empiriche, ma questo nuovo benchmark, utilizzando un vasto database sperimentale della Nuclear Regulatory Commission (NRC) degli USA, mira a migliorare la modellazione del CHF attraverso l’applicazione di tecniche AI e ML. Questo potrebbe portare a una maggiore comprensione dei margini di sicurezza e aprire nuove possibilità di ottimizzazione progettuale e operativa nell’ingegneria nucleare.