AI助力核反应堆多物理场建模

目前美国有94座核反应堆在运行，为全国提供近20%的电力。某机构助理教授迪恩·普赖斯认为，美国需要从核能中获得更多，尤其是在迫切寻求化石燃料发电厂替代方案的当下。他成为核工程师正是为了确保核技术能够胜任这一重任。

“过去60年来，核能一直是我国能源基础设施的重要组成部分，而维护该基础设施的人员数量非常少，”普赖斯说，“成为一名核工程师，就意味着成为美国少数负责无碳发电的人员之一。”他热切希望参与这一使命，并为自己设定了远大目标：在现有核电站的安全性、经济性和可靠性基础上，帮助设计和推出新一代核反应堆。

普赖斯从未偏离这一目标，并一路受到鼓舞。他表示，核工程界“规模虽小，但关系紧密且非常热情。一旦进入这个领域，大多数人都不愿再做其他事。”

揭示物理过程之间的关系

在本科阶段的第一项研究项目中，普赖斯研究了用于储存乏反应堆燃料棒（通常在水池中冷却数年后）的钢制及混凝土容器的安全性。他的分析表明这种储存方法相当安全。

2020年开始研究生学习后，普赖斯投身于一项他一直延续至今的研究方向：多物理场建模。该领域研究核反应堆堆芯中同时发生的多种物理过程及其相互作用，而非孤立地逐一研究。

关键过程之一是中子学，涉及中子在堆芯中的运动及引发的核裂变。另一个是热工水力学，负责冷却反应堆以提取裂变产生的热量。多物理场模拟分析这两个过程的相互作用，可以揭示反应堆发电时热量被带走如何影响中子行为——因为燃料温度越高，发生裂变的可能性越低。

“如果你想改变功率水平或对反应堆做任何操作，燃料温度都是一个关键的输入参数，”普赖斯说，“多物理场建模使我们能够将裂变中子学过程与热学属性（温度）关联起来。这反过来可以帮助我们预测反应堆在不同条件下的行为。”

普赖斯表示，用于现行千兆瓦级轻水反应堆的多物理场建模已相当成熟。但用于先进反应堆——小型模块化反应堆（20-300兆瓦）和微反应堆（1-20兆瓦）——的建模方法则远未成熟。尽管目前运行中的这类反应堆极少，普赖斯仍将研究重点放在它们身上，因为它们有望以更低成本、更高安全性发电，并在功率和规模上具有更大灵活性。

虽然多物理场模拟为核工程界提供了丰富信息，但它们通常需要超级计算机来求解或近似求解高度复杂的非线性方程组。为了大幅降低计算负担，普赖斯正积极探索人工智能方法，以期绕过这些繁琐方程直接获得类似答案。自2025年9月加入某机构任教以来，这一直是他研究议程的核心主题。

人工智能的关键作用

人工智能和机器学习方法擅长发现数据中隐藏的模式，例如核电站运行关键变量之间的相关性。普赖斯举例说：“如果你告诉我反应堆的功率水平，人工智能就能告诉你燃料温度，甚至给出堆芯的三维温度分布。”如果能在不求解任何复杂微分方程的情况下做到这一点，计算成本将大大降低。

普赖斯正在研究几个可能特别有用的人工智能应用场景，例如协助设计新型反应堆。“然后我们可以依靠过去50年建立的安全框架对拟议设计进行安全分析，”他说，“这样一来，人工智能不会直接与任何安全关键系统交互。”他认为人工智能的作用是增强而非取代已有流程，帮助填补现有的知识空白。

当机器学习模型获得足够的数据进行学习后，它可以帮助我们更好地理解关键物理过程之间的关系——同样无需求解非线性微分方程。“通过精确确定这些关系，我们可以在早期阶段做出更好的设计决策，”普赖斯说，“当该技术开发并部署后，人工智能可以帮助我们做出更智能的控制决策，从而以更安全、更经济的方式运行反应堆。”

回馈培育他的社区

简而言之，他的主要目标之一是将人工智能的益处带到核工业，他认为这一潜力巨大且尚未被充分挖掘。普赖斯相信，作为某机构的教授，他处于有利位置，能够推动实现他所构想的核能未来。他不仅致力于开发下一代反应堆，还帮助培养该领域的下一代领导者。

普赖斯在去年秋季与柯蒂斯·史密斯共同教授的设计课程中结识了一些“下一代”的潜在成员。他发现某机构的学生异常积极、勤奋且能干。这正是他希望加入其研究团队的学生所具备的品质。

普赖斯清晰记得自己初入该领域时获得的支持。如今他从本科生成长为教授并积累了丰富知识，他希望自己的学生“能体验到和我当初进入该领域时同样的感受”。除了改进核反应堆设计和运行的具体目标外，普赖斯表示：“我希望延续那种最初让我热爱核工程的、有趣而健康的环境氛围。”FINISHED