논문 브리핑
AI, 원자로 시뮬레이션의 난제를 풀다: 2차원 중성자 선속 예측의 새 지평
글 · 한경모
원자력 발전소의 설계와 안전성 평가는 극도로 복잡하고 계산 집약적인 과정입니다. 특히 원자로 내부에서 중성자가 어떻게 움직이고 분포하는지 예측하는 '중성자 선속(neutron flux) 추정'은 핵심 중의 핵심이죠. 지금까지는 고도의 물리학적 모델과 방대한 계산 자원을 투입해야만 가능했던 이 난제에 인공지능이 새로운 해법을 제시하고 있습니다.
최근 아카이브(arXiv)에 공개된 한 논문은 1차원 연구에 머물렀던 신경망 연산자(Neural Operator) 기반의 중성자 선속 추정 연구를 2차원으로 확장하며 기술적 진보를 이뤘습니다. 이 연구는 핵 공학 분야에서 고정밀 시뮬레이션을 훨씬 빠르고 효율적으로 수행할 수 있는 길을 열었다는 평가를 받습니다.
신경망 연산자는 기존 신경망이 점 대 점(point-to-point) 함수를 학습하는 것과 달리, 함수 대 함수(function-to-function) 매핑을 학습하는 인공지능 모델입니다. 이는 복잡한 물리 시스템처럼 입력값이 연속적인 함수 형태를 띠고 결과 또한 함수로 나타나는 문제에 특히 강력한 성능을 발휘합니다. 중성자 선속 추정의 경우, 원자로의 재료 분포와 중성자원 위치가 입력 함수가 되고, 중성자 선속 분포가 출력 함수가 되는 구조라 신경망 연산자에 최적화된 시나리오라 할 수 있습니다.
이 연구에서는 푸리에 신경망 연산자(Fourier Neural Operators, FNOs)와 U-모양 신경망 연산자(U-shaped Neural Operators, UNOs)를 활용해 세 가지 다른 대리 모델(surrogate models)을 개발했습니다.
- 첫 번째와 두 번째 모델은 각각 FNO와 UNO를 이용해 원자로의 재료 특성(material field)과 중성자원(source field) 정보를 직접 중성자 선속 분포로 변환합니다.
- 세 번째 모델은 FNO를 기반으로 하며, 앞선 입력값에 추가적으로 스칼라 선속(scalar flux) 정보까지 함께 활용해 더욱 정교한 예측을 시도했습니다.
인사이트
신경망 연산자를 이용한 2차원 중성자 선속 예측 연구는 원자력 시뮬레이션의 고질적인 계산 비용 문제를 해결하며, 미래 원자력 발전의 설계 및 안전성 효율을 혁신적으로 개선할 잠재력을 보여줍니다.
자주 묻는 질문
- 이게 진짜 원자로 설계에 바로 적용될 수 있는 기술인가요?
- 아직은 초기 단계의 연구로, 실제 원자로 설계에 직접 적용하기에는 추가적인 검증과 고도화가 필요합니다. 하지만 복잡한 시뮬레이션 과정을 혁신적으로 단축할 잠재력을 보여주며, 설계 초기 단계의 효율성을 크게 높일 수 있습니다.
- AI가 중성자 선속을 예측하는 게 왜 중요한가요?
- 중성자 선속은 원자로의 출력, 핵연료 연소 상태, 안전성 등을 결정하는 핵심 지표입니다. 이를 정확하고 빠르게 예측하면 원자로의 효율적인 설계, 안전성 평가, 그리고 고장 진단에 필수적인 정보를 제공합니다.
- 이 기술이 원전 안전에 위협이 될 수도 있나요?
- 그렇지 않습니다. AI 모델은 기존의 물리 기반 시뮬레이션을 보조하고 가속화하는 도구로 활용됩니다. 최종적인 안전성 검증은 여전히 엄격한 물리 기반 시뮬레이션과 실험 데이터를 통해 이루어지며, AI는 그 과정의 효율성을 높이는 데 기여합니다.
이 기사 어땠어요?
피드백을 남겨주시면 더 나은 맞춤 추천을 만듭니다.