섹션별 상세
AI 대리 모델을 통한 방사성 핵종 이동 예측 가속화: 기존의 반응성 수송 모델링은 지하 매질 내 화학 반응과 유체 흐름을 계산하는 데 막대한 연산 자원이 필요하여 고성능 클러스터에서도 수주가 소요된다. 사르센바예프는 시뮬레이션 데이터를 학습하여 물리적 시스템을 근사하는 AI 기반 대리 모델을 개발함으로써 예측 속도를 비약적으로 향상시켰다. 이 모델은 스위스 몽 테리 연구소의 실제 실험 데이터와 높은 일치율을 보이며 신뢰성을 입증했다.
핵폐기물 붕괴열의 지열 에너지 전환 모델링: 고준위 방사성 폐기물 캐니스터에서 지속적으로 발생하는 붕괴열을 인위적인 지열 에너지원으로 활용하는 개념적 모델을 구축했다. 보수적인 가정하에서도 폐기물 캐니스터 하나가 약 1,000평방미터 규모의 태양광 패널에 해당하는 에너지를 생성할 수 있음을 확인했다. 이는 폐기물 관리 비용을 절감하는 동시에 탄소 중립 에너지 생산량을 늘리는 혁신적인 접근법이다.
바이너리 사이클 시스템을 이용한 효율적 열 회수: 핵폐기물 캐니스터의 표면 온도는 약 150도 수준으로 직접적인 증기 발전에 한계가 있어 바이너리 사이클 시스템을 적용했다. 이 방식은 폐기물의 열로 폐쇄 루프 내의 물을 데우고, 이 열을 다시 낮은 끓는점을 가진 2차 유체로 전달하여 터빈을 구동한다. 초기 모델링 결과는 이 시스템이 실질적인 전력 생산 도구로 기능할 수 있음을 시사한다.
지질학적 처분장의 장기적 안전성 평가 강화: 시멘트 기반 재료와 점토 장벽 사이의 복잡한 물리화학적 상호작용을 정밀하게 묘사하는 모델을 통해 처분장의 견고성을 높였다. 미래 세대가 직면할 수 있는 방사성 물질의 영향을 수만 년 단위로 예측함으로써 원자력 에너지에 대한 대중의 신뢰와 수용성을 확보하는 데 기여한다.
용어 해설
- 방사성 핵종(Radionuclide)
- — 방사능을 가진 원자핵의 종류로, 붕괴하면서 방사선을 방출하며 환경 및 인체에 영향을 미칠 수 있어 핵폐기물 관리에서 이동 경로 예측이 가장 중요한 요소이다.
- 반응성 수송 모델링(Reactive Transport Modeling)
- — 지하 환경에서 유체의 흐름, 화학 반응, 물질의 이동을 동시에 계산하는 고난도 시뮬레이션 기법으로 원자력 처분장의 안전성 평가에 필수적이다.
- 대리 모델(Surrogate Model)
- — 복잡한 수치 해석 모델을 모사하도록 AI를 학습시켜 빠른 예측 결과를 얻어내는 근사 모델로, 연산 자원을 절약하면서 시뮬레이션 속도를 비약적으로 높인다.
- 바이너리 사이클 시스템(Binary Cycle System)
- — 열원의 온도가 낮을 때 끓는점이 낮은 작동 유체를 별도로 사용하여 발전하는 방식으로, 핵폐기물의 붕괴열을 전기로 변환하는 데 적합한 기술이다.
- 고준위 방사성 폐기물(High-Level Waste)
- — 방사능 수치가 높고 열 발생량이 많아 장기적인 격리와 관리가 필요한 핵연료 폐기물로, 원자력 에너지 확산의 주요 기술적 장벽으로 꼽힌다.
기술
- AI Surrogate Models
- Reactive Transport Modeling
- Binary Cycle Systems
활용 사례
- 방사성 핵종 이동 예측
- 핵폐기물 열에너지 회수 발전
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2025. 12. 16.수집 2026. 02. 21.출처 타입 RSS
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.