De acordo com pt.wedoany.com-Pesquisadores do Laboratório Nacional de Argonne (Argonne National Laboratory), do Departamento de Energia dos EUA, estão usando modelos baseados em Transformer para acelerar simulações de dinâmica de fluidos em reatores nucleares avançados, ajudando engenheiros a estudar mais rapidamente a segurança e o desempenho dos reatores.
O Transformer, arquitetura de rede neural por trás de muitos sistemas de inteligência artificial generativa, foi aplicado por pesquisadores de Argonne para simular como os fluidos se movem e transferem calor em sistemas de energia nuclear. A equipe integrou a arquitetura Transformer ao Módulo de Análise de Sistemas (SAM) de Argonne, uma ferramenta de simulação para estudo de reatores nucleares avançados, visando melhorar a modelagem de turbulência para prever comportamentos complexos de fluidos e seus impactos nos sistemas dos reatores.
Ao combinar modelos Transformer com simulações de turbulência, os pesquisadores buscam obter resultados mais rápidos e precisos do que os métodos tradicionais, possibilitando, em última análise, que engenheiros simulem usinas nucleares inteiras, incluindo reatores, sistemas de resfriamento e outras infraestruturas de suporte. Em reatores nucleares, o movimento dos fluidos é crucial para a transferência de calor e interação entre componentes, e a modelagem de turbulência ajuda a prever esses fluxos complexos, mas simulações detalhadas exigem recursos computacionais significativos.
A abordagem baseada em Transformer de Argonne analisa relações entre pontos de dados físicos, incluindo posição, velocidade e fluxo de fluidos, demonstrando alta precisão na representação da resistência ao fluxo e transferência de calor. Rui Hu, chefe da Divisão de Análise de Segurança e Engenharia do Departamento de Ciência e Engenharia Nuclear (NSED) de Argonne e engenheiro nuclear-chefe, afirmou que, com a inteligência artificial, é possível alcançar a precisão de métodos complexos com a velocidade de métodos simples — uma combinação de precisão e velocidade.
Segundo Argonne, modelos baseados em IA podem gerar resultados de simulação quase instantaneamente, mantendo a precisão associada a métodos computacionais mais complexos, permitindo que pesquisadores realizem simulações mais realistas sem os mesmos requisitos de tempo e computação. A modelagem aprimorada pode apoiar trabalhos de projeto, desempenho e segurança de reatores, além de ajudar engenheiros a avaliar o impacto de mudanças no comportamento dos fluidos em todo o sistema nuclear.
O próximo passo dos pesquisadores é aplicar o modelo a simulações de usinas nucleares inteiras, incluindo o próprio reator e sistemas de resfriamento, segurança, auxiliares e outros sistemas de suporte. A equipe também está explorando a tecnologia de gêmeos digitais, representações virtuais de sistemas físicos que podem operar e ser atualizadas em tempo real, sendo uma das primeiras equipes de pesquisa a explorar o uso da arquitetura Transformer para gêmeos digitais de sistemas nucleares.
Os gêmeos digitais podem, em última análise, permitir que engenheiros monitorem e simulem instalações nucleares enquanto integram informações em tempo real dos sistemas físicos. Combinada com modelos de simulação mais rápidos, a tecnologia pode fornecer outra ferramenta para estudar o desempenho de usinas e identificar problemas potenciais. Trabalhos futuros focarão na expansão dos modelos baseados em Transformer, melhorando sua precisão e flexibilidade, e integrando novas funcionalidades de IA ao fluxo de trabalho de simulação do SAM. O projeto conta com o apoio do Programa de Modelagem e Simulação Avançada para Energia Nuclear (NEAMS) do Departamento de Energia dos EUA.
