Общая характеристика состояния исследований по тематике НС РФТТ на 2025 год
ЦИФРОВЫЕ ИНСТРУМЕНТЫ РАДИАЦИОННОГО МАТЕРИАЛОВЕДЕНИЯ В 2025 ГОДУ
В течение последних нескольких лет главным трендом в развитии компьютерного моделирования в области материаловедения и, в частности, в области радиационной физики твердого тела является внедрение методов искусственного интеллекта. Если из двух главных составных частей компьютерного материаловедения (информатики материалов и многомасштабного моделирования) рассматривать последнее, то необходимо отметить резкий рост работ по использованию машинного обучения при разработке базовых моделей межатомного взаимодействия для атомистической составляющей моделирования.
Применение машинно-обученных потенциалов, построенных с использованием обучающих баз данных, полученных в расчетах методом первопринципной молекулярной динамики (AIMD), позволило перенести точность последней на расчеты методами классической молекулярной динамики. Преимуществом такого подхода является и то, что кроме сохранения точности AIMD, машинно-обученные потенциалы могут быть использованы для моделирования систем на несколько порядков больших по количеству частиц (102 => 106) и в течении на порядки больших промежутков времени (10-10 => 10-7c ) при наличии одних и тех же вычислительных ресурсов. Перевод части машинно-обучаемых потенциалов на расчеты на GPU (см. [1]) еще на два порядка увеличивает размер моделируемых систем. Как сохраняющая точность AIMD, данная расчетная технология получила название «Усиленная машинным обучением AIMD» (Machine Learning Enhanced AIMD). Как результат, описанная расчетная технология оказалась пригодной для прямого моделирования радиационных повреждений и их последствий (как пример, см. [2-4]), что, как отмечено в [2], намного улучшило предиктивные возможности моделирования по сравнению с традиционными расчетами, основанными на полуэмпирических потенциалах типа EAM и их производных.
Другим применением машинного обучения в многомасштабном моделировании является обработка BigData, в качестве которых выступают, например, виртуальные образцы материалов, состоящие из миллиардов атомов. При обработке данных большие вычислительные ресурсы затрачиваются на автоматическое распознавание структур в поврежденном материале, являющихся следствием радиационного воздействия (или других видов нагрузки). Для этого используются различные методики, которые при высоких температурах, т.е. при наличии сильного теплового шума либо теряют качество распознавания, либо за счет итерационного алгоритма становятся затратными. Применение методов машинного обучения позволяет существенно повысить надежность распознавания несмотря на шум и сократив время обработки проводить распознавание «на лету» (см. [5]).
И третье. Перечисленные выше методики относятся к так называемым DD (Data Driven), так как используют при обучении только данные. Как альтернатива развиваются так называемые Physically Informed методики обучения, когда кроме данных в качестве входной информации задаются уравнения, описывающие исследуемые процессы. Наибольшее развитие эти методики получили при решении задач в подходе сплошной среды. Возможность их применение для задач с дискретным описанием сред, как в атомистических методах, пока не нашла широкого отклика у исследователей.
Литература
1. Z. Meng, K. Zongo, E. Torres, Ch. Maxwell, R.E. Grant, L.K. Beland ,A Kokkos-Acclerated Moment Tensor Potential Implementation for LAMMPS, doi.org/10.48550/arXiv.2510.00193
2. A. Roy, G. Nandipati, A. Casella, D. Senor, R. Devanathan, A. Soulami, A review of displacement cascade simulations using molecular dynamics emphasizing interatomic potentials for TPBAR components, npj Materials Degradation, 9, Article number: 1 (2025).
3. A. Hamedani, A. Sand, SiC – TGAP: A machine learning interatomic potential for radiation damage simulations in 3C-SiC, doi.org/10.48550/arXiv.2510.06966.
4. J. Suarez-Recio, P.M. Piaggi, F.J. Domingues-Gutierrez, R. Gonzalez-Arrabal, R. Iglesias, Early stages of self-healing at tungsten grain boundaries from ab-initio machine learning simulations, Communications Materials, 6, Article number: 236 (2025).
5. S. Ren, X. Zhang, H. Li, C. Hu, D. Chen, Advanced analysis of defect clusters in nuclear reactor using machine learning techniques, Scientific Reports, 15 (2025) 22439.
УСКОРЕННЫЕ ИСПЫТАНИЯ КОНСТРУКЦИОННЫХ МАТЕРИАЛОВ ЯДЕРНЫХ ЭНЕРГЕТИЧЕСКИХ УСТАНОВОК НА ПУЧКАХ ИОНОВ. СОВРЕМЕННЫЕ ПОДХОДЫ И СТАТУС
Энергетическая обеспеченность следующих поколений, в значительной степени, зависит от развития ядерной энергетики. Ее роль будет только возрастать, а освоение космического пространства невозможно без ее использования. Кроме того, уже сегодня наблюдается повышенный интерес технологических гигантов к развитию компактных автономных энергосистем на основе ядерных реакторов для обеспечения центров обработки и хранения данных в рамках развития концепции искусственного интеллекта. При этом существенным сдерживающим фактором развития ядерной энергетики являются материалы активной зоны реакторов, подвергающие наиболее экстремальным воздействиям, прежде всего радиационным воздействиям в широком интервале температур эксплуатации.
Одним из препятствий разработки новых радиационно-стойких материалов является необходимость проведения длительных сеансов облучения для достижения предельных нагрузок. В результате аттестация новых материалов занимает сейчас не менее 10 лет и разработка качественно новых решений трудно реализуема. В то же время предлагается ряд новых конструкционных материалов для активных зон перспективных ЯЭУ и предварительный анализ радиационной стойкости разрабатываемых материалов достаточно сложно реализовать в рамках традиционного подхода. Реальным выходом из этой ситуации является проведение облучения при повышенных скоростях набора дозы радиационных повреждений. Такие эксперименты могут проводиться на специализированных ускорительных комплексах. В мире такие работы проводятся в ряде крупных научных центров [1], в том числе на двух российских площадках, (НИЦ «Курчатовский институт» [2, 3] и АО «ГНЦ РФ ФЭИ» [4]). В настоящее время на этих установках ведутся работы в интересах ГК Росатом, проводится аттестация конструкционных материалов для перспективных реакторных установок.
Необходимо отметить, что высокие требования к проведению имитационных экспериментов, в том числе разработанные в проектах МАГАТЭ, указывают, что лишь немногие ускорительные комплексы в мире могут быть эффективно использованы для широкого круга вопросов радиационного материаловедения. Имеются высокие требования по вакууму, системам контроля эксперимента по облучению и наличию нескольких пучков ионов для проведения таких экспериментов. Наиболее востребованы системы с тройным пучком ионов (Me, He и H) поскольку позволяют воспроизвести радиационные повреждения максимально близко к реальным условиям эксплуатации ядерных установок. Количество таких устройств в мире измеряется единицами: (Jannus (France) [5], MIBL (США) [6], MBIP (Китай) [7, 8]), а в России установки такого класса на сегодняшний день отсутствуют.
Учитывая, что имитационные исследования на пучках ионов позволяют решать задачи, как в области фундаментальной физики радиационных повреждений, так и в области реакторного материаловедения, требуется объединение усилий организаций РАН, ГК Росатом и НИЦ «Курчатовский институт» в развитии данного направления, расширении спектра исследований, обеспечении необходимым оборудованием и координировании работ на ускорителях заряженных частиц для развития как прикладной, так и фундаментальной физики.
Литература
1. G.S. Was, C. Cabet, C. Kaden, M.H. Mayoral, C. Pareige, D. Bhattacharyya, C. David, C. Hardie, D. Terentyev, W. Weber, T. Wei, F. Naab, V. Paulya, I. Swainson, M.S. Veshchunov, International round robin on ion irradiation of alloy T91 and comparison with neutron irradiation. Journal of Nuclear Materials 616 (2025) 156065.
2. Рогожкин С.В., Никитин А.А., Хомич А.А., Клауз А.В., Богачев А.А., Искандаров Н.А., Кулевой Т.В., Федин П.А. СОВРЕМЕННЫЕ ПОДХОДЫ К УСКОРЕННЫМ ИСПЫТАНИЯМ РЕАКТОРНЫХ МАТЕРИАЛОВ НА ПУЧКАХ ИОНОВ. В книге: Новые материалы: Перспективные технологии и методы исследования материалов. Сборник тезисов докладов 23-й Международной школы-конференции для молодых ученых и специалистов имени профессора Б.А. Калина. Москва, 2025. С. 75-76.
3. Рогожкин С.В., Хомич А.А., Никитин А.А., Богачев А.А., Клауз А.В., Федин П.А., Прянишников К.Е., Кулевой Т.В., Лукьянчук А.А., Разницын О.А., Шутов А.С., Искандаров Н.А., Залужный А.Г., Леонтьева-Смирнова М.В., Никитина А.А. ИССЛЕДОВАНИЕ МЕХАНИЗМОВ РАДИАЦИОННОГО УПРОЧНЕНИЯ ЖАРОПРОЧНЫХ ДИСПЕРСНО-УПРОЧНЕННЫХ ОКСИДАМИ СТАЛЕЙ В УСКОРЕННЫХ ИСПЫТАНИЯХ С ИСПОЛЬЗОВАНИЕМ ИОННОГО ОБЛУЧЕНИЯ И УЛЬТРАМИКРОСКОПИЧЕСКОГО АНАЛИЗА. Ядерная физика и инжиниринг. 2024. Т. 15. № 6. С. 522-546.
4. Б. З. Марголин, А. А. Сорокин, С. Н. Петров, М. С. Михайлов, В. Н. Фоменко, А. И. Минкин, Д. Е. Гремячкин, В. А. Печенкин, У. А. Кобец, М. В. Боховко, Методология экспресс-оценки радиационной стойкости конструкционных материалов на базе испытаний и исследований образцов, облучённых в ионных ускорителях. В книге: XII Международная конференция по реакторному материаловедению, посвященная 60-летию материаловедческого комплекса АО "ГНЦ НИИАР". Тезисы докладов. Димитровград, 2024. С. 40-42.
5. G. Gutierrez, C. Bernard, P. Billaud, D. Bossu, T. Cloutier, M. Loyer-Prost, H. Martin, E. Meslin, F. Nozais, B. Ridard, G. Sagnes, J.-L. Bechade, The JANNuS-Saclay platform: New developments for the understanding of evolutions under irradiation in materials, Nuclear Instrum. and Methods in Physics Research B 557 (2024) 165541.
6. O. Toader, F. Naab, E. Uberseder, T. Kubley, S. Taller, G. Was, Technical Aspects of Delivering Simultaneous Dual and Triple Ion Beams to a Target at the Michigan Ion Beam Laboratory, Physics Procedia 90 (2017) 385 – 390.
7. Y. H. Chen, L. P. Guo, Y. X. Long, Z. Y. Xie, H. T. Luo, W. B. Lin, Q. Y. Huang, Establishment of multi-beam irradiation facility at Wuhan University, Nucl. Instrum. Methods Phys. Res. Sect. A-Accel. Spectrom. Dect. Assoc. Equ, 1040 (2022) 167202.
8. Junjie Cao, Liping Guo, Yiheng Chen, Wenbin Lin, Rui Yan, Zixiao Wang, Yunxiang Long Temperature effect on cavity evolution by triple-beam irradiation. Journal of Nuclear Materials 612 (2025) 155838.