近日，美国能源部(DOE)阿贡国家实验室的研究人员取得一项重要成果，他们开发出一种数字孪生技术，有望使核反应堆更加高效、可靠和安全。

阿贡国家实验室的数字孪生技术利用图神经网络实时预测核反应堆行为，从而提高核反应堆的安全性和效率。(图片来自 Shutterstock。)

数字孪生是现实世界系统的虚拟副本，作为一种变革性工具，可助力众多学科科学家开展工作。阿贡国家实验室此次开发的数字孪生技术，利用先进的计算机模型和人工智能(AI)预测反应堆运行方式，帮助操作员实时做出决策。

阿贡国家实验室首席核工程师、最近发表的有关该成果论文合著者胡睿表示：“我们的数字孪生技术为理解和管理先进核反应堆迈出了重要一步，使我们能够以所需的速度和准确度预测和应对变化。”

该技术使科学家能够监测和预测小型模块化反应堆和微反应堆在不同条件下的运行情况。阿贡国家实验室团队开发新方法，并应用于两种类型的核反应堆生成数字孪生模型：实验增殖反应堆二号(EBR-II)和一种新型反应堆——通用氟盐冷却高温反应堆(gFHR)。尽管EBR-II已不再运行，但为其开发的数字孪生模型作为测试用例，有助于验证仿真模型。

这种数字孪生技术的关键在于图神经网络(GNN)，这是一种人工智能和先进的计算机模型，用于处理以图结构化的数据。图由节点和边组成，节点代表实体，边表示关系，GNN擅长识别复杂模式和连接，能为连接至关重要的系统提供强大洞察力。胡睿教授称：“基于GNN的数字孪生模型可以帮助科学家将复杂系统视为相互连接部件组成的网络，从而全面理解系统的动态行为。”通过保留反应堆系统的布局并将基本物理定律嵌入数字孪生模型，该方法可确保对真实系统进行稳健且准确的复制。

研究人员使用美国能源部科学办公室用户设施阿贡领导计算设施(ALCF)来训练GNN并进行不确定性量化，即识别、测量和减少模型中不确定性的过程。

基于GNN的数字孪生模型比实时或传统的系统代码模拟速度快得多，能快速预测反应堆在不同场景下的行为，例如功率输出或冷却系统性能的变化。它们可通过使用阿贡国家实验室开发的系统分析模块(一种用于分析先进核反应堆的现代工具)的模拟数据进行训练来实现。训练后的模型能够基于有限的实时传感器数据做出准确预测，这种快速、真实洞察的能力有助于更好地规划反应堆应对变化，做出有关其设计和运行的决策，并降低维护和运营成本。

此外，数字孪生还可用于持续监测反应堆，检测任何异常行为。若出现异常，系统可提出修改建议，确保反应堆安全或平稳运行。

阿贡国家实验室的新型数字孪生技术相比传统方法优势显著。通过了解反应堆各个部件的协同工作方式，它能提供更可靠的预测，可用于规划应急方案、做出明智决策，甚至在未来实现反应堆的自主运行。

该研究团队的创新是先进核反应堆研发和部署的一大进步。通过模拟各种场景，数字孪生技术有助于确保反应堆安全、可靠、高效运行，降低成本并延长反应堆部件的使用寿命。

该研究成果已发表在《核技术》杂志上，此项研究由美国能源部核能高级建模与仿真项目资助。