近日，美国橡树岭国家实验室（ORNL）与爱达荷国家实验室（INL）合作取得进展，双方携手加速了对增材制造核部件的检查流程，并将该技术扩展至核燃料检查领域。

INL正在利用ORNL开发的软件算法检查增材制造部件中的缺陷，旨在识别可用于3D打印下一代核反应堆的有前景金属和合金。传统上，新材料和制造技术的认证过程繁琐耗时，但此次合作有望加快新型反应堆的部署速度。

ORNL的算法原本用于检测增材制造的金属部件，现正被改编应用于检查INL测试的辐照核燃料。INL衍射和成像小组负责人Bill Chuirazzi表示，使用该算法可使放射性燃料的扫描时间缩短90%，提高工人安全性和评估新材料的速度。长远来看，这将加快新核能理念从构思到电网实施的生命周期。

此次合作中，ORNL研发的Simurgh工具发挥了关键作用。该工具利用基于真实数据训练的神经网络，通过更少X射线扫描重建图像，更快表征核部件和材料。Simurgh已显著缩短致密材料的扫描时间，并增强缺陷检测能力，为创新技术的研发铺平道路。

研究人员计划将Simurgh应用于检查TRISO燃料颗粒是否存在辐照引起的缺陷等挑战，支持下一代反应堆材料和燃料的鉴定工作。Simurgh技术最初由ORNL研究员Amir Ziabari及其同事于2022年开发，用于3D打印金属零件，后在核能领域得到扩展。

近期合作始于INL在尝试将缺陷与特定打印参数联系起来时遇到的后勤挑战。使用Simurgh后，扫描时间大幅减少。Chuirazzi意识到Simurgh的好处可应用于另一项核燃料计划下的挑战。扫描时间越短，辐射剂量越少，等待时间越短，同时能获得更高质量数据。

Simurgh已在X射线CT成像领域巩固地位，改变了分析复杂组件的方法，提高效率、成本效益和安全性。Ziabari表示，该工具最初由工业X射线CT扫描仪制造商和ORNL研究合作伙伴授权，他设想其最终将用于各种材料领域。

在核领域，Simurgh的应用前景广阔，可加速先进反应堆的结构材料和燃料的开发和特性鉴定。目前，Ziabari正在训练Simurgh处理TRISO燃料颗粒和燃料在辐照后的3D X射线图像。同时，ORNL核研究人员也在寻找机会使用该软件识别缺陷和其他特征。

此次研究得到美国能源部先进材料和制造技术办公室以及核能办公室的大力支持。ORNL和INL正继续探索Simurgh在评估辐照组件方面的应用，如田纳西河谷管理局布朗渡口核电站的3D打印燃料支架。

美国能源部橡树岭国家实验室制造示范设施主任Ryan Dehoff对该技术的可靠性表示高度认可，称其在核领域的使用充分说明了技术的质量和可靠性。