ホットソルト、クリーンエネルギー:人工知能が先進的な原子炉を強化する方法(Hot salt, clean energy: How artificial intelligence can enhance advanced nuclear reactors)

ad
ad

アルゴンヌ研究所で開発された技術は、溶融塩の候補を絞り込むのに役立つことが実証された。 Technology developed at Argonne can help narrow the field of candidates for molten salts, a new study demonstrates.

2022-12-15 アルゴンヌ国立研究所(ANL)

 アルゴンヌ研究所では、次世代の原子力発電所を発展させるための新材料を探し求めています。最近の研究では、米国エネルギー省(DOE)アルゴンヌ国立研究所の研究者が、先進的な原子炉の重要な構成要素である溶融塩の正しい種類をピンポイントで特定するために、人工知能がどのように役立つかを示しました。
溶融塩は熱を吸収して蓄えることができるため、クリーンエネルギーと気候に関する国家目標にとって重要です。溶融塩は、温室効果ガスを出さずに発電する原子炉の冷却材と燃料の両方の役割を果たすことができる。また、大量のエネルギーを貯蔵することもできる。風力発電や太陽光発電など、電源が不安定な電力網では、このようなエネルギーがますます必要とされている。
台所のテーブルの上にある塩を801℃まで熱すると、塩が溶けて溶融塩になる。しかし、エネルギーを作ったり蓄えたりするためには、どんな塩でもいいというわけではない。科学者たちは、原子炉の冷却と燃料供給を何十年も効率的に行うために必要な特性を正確に得るために、さまざまな塩の組み合わせを探っている。これらの特性には、低い融解温度、適切な粘性、大量の熱を吸収する能力などが含まれます。
どの溶融塩の設計図が、原子炉に求められる特性を実現できるのか。潜在的なバリエーションはほぼ無限大です。この研究では、アルゴンヌにあるDOE Office of Scienceのユーザー施設、Advanced Photon Source(APS)で、機械学習によるコンピューターシミュレーションが実世界の実験を導き、改良できるかどうかを確認することを目的としています。その結果は、最近、Physical Review B誌に掲載されました。

<関連情報>

高エネルギーX線回折で検証したLiCl-KCl溶融塩の組成伝達型機械学習ポテンシャル Composition-transferable machine learning potential for LiCl-KCl molten salts validated by high-energy x-ray diffraction

Jicheng Guo, Logan Ward, Yadu Babuji, Nathaniel Hoyt, Mark Williamson, Ian Foster, Nicholas Jackson, Chris Benmore, and Ganesh Sivaraman
Physical Review B  Published 22 July 2022
DOI:https://doi.org/10.1103/PhysRevB.106.014209

ホットソルト、クリーンエネルギー:人工知能が先進的な原子炉を強化する方法(Hot salt, clean energy: How artificial intelligence can enhance advanced nuclear reactors)

ABSTRACT

Unraveling the liquid structure of multicomponent molten salts is challenging due to the difficulty in conducting and interpreting high-temperature diffraction experiments. Motivated by this challenge, we developed composition-transferable Gaussian approximation potential (GAP) for molten LiCl-KCl. A DFT-SCAN accurate GAP is active-learned from only ∼1100 training configurations drawn from 10 unique mixture compositions enriched with metadynamics. The GAP-computed structures show strong agreement across high-energy x-ray diffraction experiments, including for a eutectic not explicitly included in model training, thereby opening the possibility of composition discovery.

2001原子炉システムの設計及び建設
ad
ad
Follow
ad
タイトルとURLをコピーしました