Qui sommes-nous ?
Espace utilisateur
Formation continue
Credit : L. Godart/CEA
D’un jour à plusieurs semaines, nos formations permettent une montée en compétence dans votre emploi ou accompagnent vers le retour à l’emploi. 
Conseil et accompagnement
Crédit : vgajic
Fort de plus de 60 ans d’expériences, l’INSTN accompagne les entreprises et organismes à différents stades de leurs projets de développement du capital humain.
Thèses
Accueil   /   Thèses   /   Apport de l’IA sur les calculs neutroniques déterministes de réacteurs SMR-REP pilotés en eau claire

Apport de l’IA sur les calculs neutroniques déterministes de réacteurs SMR-REP pilotés en eau claire

Data intelligence dont Intelligence Artificielle Défis technologiques Energie, thermique, combustion, écoulements Sciences pour l’ingénieur

Résumé du sujet

Face aux enjeux climatiques, la recherche d'énergies propres et fiables se concentre sur le développement de petits réacteurs modulaires à eau sous pression (SMR de type REP), d’une puissance de 50 à 1000 MWth, qui visent à décarboner la production d'électricité et de chaleur dans la prochaine décennie. En comparaison des réacteurs en exploitation, leur taille réduite peut permettre de simplifier leur conception en n'utilisant pas de bore soluble dans l’eau du circuit primaire. Le pilotage repose alors principalement sur le niveau d’insertion des barres absorbantes, qui perturbent la distribution spatiale de puissance lorsqu’elles sont fortement insérées, ce qui provoque des pics de puissance plus prononcés que dans un cœur géré au bore soluble, et complique la gestion de la réactivité. Estimer correctement ces paramètres pose alors des défis en matière de modélisation neutronique, en particulier les effets de l’historique d’insertion des absorbants sur l’évolution isotopique du combustible. Une thèse achevée en 2022 a exploré ces effets à l’aide d’un modèle neutronique analytique, mais des difficultés subsistent car les mouvements d’absorbants neutroniques ne sont pas les seuls phénomènes à influer sur le spectre neutronique. La thèse proposée cherche à développer une méthode alternative qui permette de gagner en robustesse, tout en cherchant à réduire encore les biais de calculs. Une analyse de sensibilité sera réalisée pour identifier les paramètres clés, permettant de créer un méta-modèle utilisant l'intelligence artificielle pour corriger les biais des modèles existants. Ce projet, en collaboration avec l'IRSN et le CEA, permettra d'acquérir une expertise en physique des réacteurs, en simulations numériques et en machine learning.
Le travail de thèse sera effectué 18 mois au CEA de Cadarache et 18 mois à l’IRSN de Fontenay-aux-Roses.

Laboratoire

Département Etude des Réacteurs
Service de Physique des Réacteurs et du Cycle
Laboratoire d’études des cœurs et du cycle
Top envelopegraduation-hatlicensebookuserusersmap-markercalendar-fullbubblecrossmenuarrow-down