维度网讯，美国能源部阿贡国家实验室（Argonne National Laboratory）的研究人员正在使用基于Transformer的模型加速先进核反应堆中流体动力学的模拟，以帮助工程师更快地研究反应堆的安全性和性能。

Transformer是许多生成式人工智能系统背后的神经网络架构，阿贡的研究人员将其应用于模拟流体在核能系统中的移动和传热方式。该团队将Transformer架构集成到阿贡的系统分析模块（SAM）中，这是一款研究先进核反应堆的模拟工具，旨在改进湍流建模，以预测复杂的流体行为及其对反应堆系统的影响。

通过结合Transformer模型与湍流模拟，研究人员旨在获得比传统方法更快、更准确的结果，最终可能使工程师能够模拟整个核电站，包括反应堆、冷却系统和其他配套基础设施。在核反应堆中，流体运动对传热和部件相互作用至关重要，湍流建模有助于预测这些复杂流动，但详细模拟需要大量计算资源。

阿贡基于Transformer的方法分析了物理数据点之间的关系，包括位置、速度和流体流，在表示流动阻力和传热方面展现出高精度。阿贡核科学与工程部（NSED）安全与工程分析部门负责人、首席核工程师Rui Hu（胡睿）表示，借助人工智能可以达到复杂方法的精度，同时具备简单方法的速度，这是精度与速度的结合。

据阿贡介绍，基于人工智能的模型几乎可以瞬间生成模拟结果，同时保持与更复杂计算方法相关的精度，使研究人员能够在无需相同时间和计算需求的情况下运行更真实的模拟。改进的建模可支持反应堆设计、性能和安全性工作，并帮助工程师评估流体行为变化对整个核系统的影响。

研究人员的下一步是将该模型应用于整个核电站的模拟，包括反应堆本身以及冷却、安全、辅助和其他支持系统。该团队还在探索数字孪生技术，即能够实时运行和更新的物理系统虚拟表示，他们表示是首批探索将Transformer架构用于核系统数字孪生的研究团队之一。

数字孪生最终可让工程师在整合物理系统实时信息的同时监测和模拟核设施。结合更快的模拟模型，该技术可为研究电站性能和识别潜在问题提供另一种工具。未来的工作将重点扩展基于Transformer的模型，提高其准确性和灵活性，并将新的人工智能功能集成到SAM的模拟工作流程中。该项目得到美国能源部核能高级建模与模拟计划（NEAMS）的支持。