Разработка упростит создание материалов, которые будут максимально устойчивы к облучению.
Москва, 19 дек - ИА Neftegaz.RU. Ученые
НИТУ МИСИС совместно с Всероссийским НИИ автоматики им. Н. Духова разработали инновационный подход, который позволит
с помощью нейросетей прогнозировать возникновение дефектов в различных стальных конструкциях, используемых на атомных электростанциях (
АЭС).
Об этом сообщила пресс-служба НИТУ МИСИС.
Дефекты в стальных конструкциях возникают под влиянием потоков
быстрых нейтронов.
Новая разработка призвана обеспечить создание материалов, которые будут максимально устойчивы к облучению.
В процессе обучения
модели исследователи проанализировали десятки материалов, которые могут подвергаться распуханию до 50%.
Это позволило достичь высокой точности в предсказании данного процесса.
Эксперт НИТУ МИСИС П. Коротаев отметил, что исследование помогло выяснить, каким образом различные легирующие материалы, такие как никель, титан, фосфор, кремний и углерод, влияют на радиационную стойкость.
Эти элементы способны снижать уровень распухания, но только до определенного предела.
Создание эффективной модели является значительным шагом в решении одной из ключевых проблем современных ядерных реакторов.
Во время их эксплуатации оболочка тепловыделяющих элементов, находящихся в реакторе, постепенно распухает под воздействием радиации.
Это явление приводит к снижению прочности и долговечности оболочек, что накладывает серьезные ограничения на срок службы тепловыделяющих элементов и других конструктивных деталей реакторов, изготовленных из жаропрочной аустенитной стали.
На данный момент для оценки сроков службы и безопасности использования данных конструкций существует множество подходов, однако они либо ориентированы на конкретные материалы, либо недостаточно эффективны.
Чтобы устранить эти недостатки, российские ученые создали систему искусственного интеллекта, которая демонстрирует среднюю точность прогноза на уровне 98,9%, что позволяет предсказывать влияние нейтронного облучения на структуру стальных конструкций в широком диапазоне температур и составов материалов.
В процессе работы над системой исследователи проанализировали данные, полученные из более чем 1,1 тыс. образцов облученной стали, и использовали эту информацию для обучения своего алгоритма.
Последующие расчеты, проведенные с помощью новой системы, помогли ученым определить вклад различных примесей и легирующих добавок в радиационную стойкость аустенитной стали.
Полученные данные должны помочь специалистам атомной отрасли в подборе оптимального состава и структуры материалов для оболочек ТВЭЛ и других компонентов реакторов, подверженных действию потоков нейтронов.
