近日，以N.L. Dukhov命名的全俄羅斯自動化研究所與MISIS大學的科學家合作，提出了一種基于人工神經網絡的新模型，用于預測核反應堆材料中缺陷的發生。這一研究成果對于制造具有更長使用壽命的抗輻射材料具有重要意義。

核反應堆燃料元件的外殼在運行過程中容易形成缺陷，其中輻射膨脹是一個主要問題。材料在輻射過程中體積逐漸增加，會損害其強度和耐久性。現代快中子反應堆的燃料元件外殼通常采用奧氏體耐熱鋼，這種材料必須在高劑量輻射下保持其機械性能，同時允許的變形限制在百分之幾以內。

目前，預測輻射腫脹主要有兩種方法：經驗模型和多尺度建模。經驗模型雖然可靠，但通用性較差，僅限于特定的材料和條件;而多尺度建模雖然考慮了從原子到宏觀的不同層面的物理過程，但在現實條件下的預測準確性仍有待提高。

針對這一問題，NUST MISIS新材料建模與開發實驗室的專家Pavel Korotaev表示：“一種有前途的方法是機器學習。人工智能可以根據鋼的成分和輻照條件來預測材料的行為。”

研究人員利用這種方法，預測了快中子輻照下的完整膨脹曲線，該曲線作為輻射劑量、反應堆溫度和鋼成分的函數。Pavel Korotaev補充道：“此前，沒有人利用機器學習預測腫脹的整個‘穹頂’。為了訓練我們的模型，我們研究了數十種膨脹率高達50%的材料。因此，我們可以高精度預測腫脹，這有助于闡明不同合金材料如何影響耐輻射性。例如，鎳、鈦、磷、硅和碳等元素可以減少膨脹，但會達到一定限度。”

未來，科學家計劃進一步擴展該模型的預測能力，以更全面地評估核反應堆材料的性能。

該研究的詳細信息已發表在科學雜志《計算材料科學》上。這項工作得到了俄羅斯科學基金會的支持。