English(EN) High-fidelity Modeling of Full-scale Pressurized Water Reactor Flow Fields for Machine Learning Applications

机器学习模型利用CFD数据预测反应堆流场

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-26 04:00

研究人员开发了一个结合计算流体动力学（CFD）和机器学习的高保真建模框架，用于表征压水堆中的流场。该方法使用物理信息数据集来训练机器学习模型，以重建缺失的流速数据并预测未来的流动模式。由于能够捕捉复杂时空动力学，像ConvLSTM这样的空间感知架构比基于序列或算子学习的模型更有效。 AI

影响这项研究展示了机器学习在提高模拟核反应堆等复杂物理系统的准确性和效率方面的潜力。

排序理由该集群包含一篇学术论文，详细介绍了使用机器学习对复杂物理系统进行建模的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Logan A. Burnett, Hyungjun Kim, Hsien-Cheng Chou, Arsha Witoelar, Robert A. Brewster, Benoit Forget, Emilio Baglietto, Majdi I. Radaideh · 2026-05-26 04:00

用于机器学习应用的全尺寸压水堆流场的保真度高建模

arXiv:2605.24763v1 Announce Type: new Abstract: This work presents a high-fidelity computational fluid dynamics (CFD) and data-driven modeling framework for assembly-level flow characterization in a four-loop pressurized water reactor (PWR). A full lower-plenum and core-inlet dom…