A nukleáris üzemanyagciklus zárását a jelenlegi elképzelések szerint negyedik generációs gyorsreaktorokkal tervezik megvalósítani, amelyek képesek megtermelni az üzemanyagukat természetes vagy szegényített urán betáplálással, valamint elhasítani az általuk termelt és a könnyűvizes reaktorok kiégett üzemanyagából származó másodlagos aktinidákat. A gyorsreaktorok üzembe helyezésével kapcsolatos stratégiai döntésekhez és a különböző visszatáplálási stratégiák vizsgálatához részletes üzemanyagciklus-modellek szükségesek, amelyek figyelembe veszik az üzemanyagciklus legfontosabb létesítményeit és a közöttük lévő anyagáramokat.

A reaktorok kiégett összetételének meghatározására a szcenárió elemzések során bevett eljárás az egycsoport-hatáskeresztmetszetek parametrizálása az üzemanyag összetételének függvényében, mivel a pontos kiszámításukhoz szükséges részletes zónaszámítások túlságosan időigényesek az üzemanyagciklus-szimulációkba történő integrálásukhoz. A BME Nukleáris Technikai Intézetben kifejlesztett módszer, a FITXS eljárás alkalmazása során az egycsoport-hatáskeresztmetszeteket a részletes üzemanyag-összetétel (15-20 izotóp magsűrűsége) másodfokú polinomjaival közelítjük. A módszer segítségével több negyedik generációs gyorsreaktor és harmadik generációs könnyűvizes reaktor közelítő kiégésmodelljét fejlesztettük ki.

A hallgató feladata a FITXS modellekhez létrehozott adatbázisok felhasználásával, az egycsoport-hatáskeresztmetszetek neurális hálók segítségével történő illesztésén alapuló kiégésmodellek fejlesztése és ezek verifikációja, valamint összevetése a meglévő modellekkel számítási pontosság és időigény szempontjából. Ehhez a hallgatónak várhatóan a következő feladatokat kell elvégeznie:

• Üzemanyagciklus-szimulációk és kiégésszámítások alapjainak áttekintése;
• A BME Nukleáris Technikai Intézetben kifejlesztett FITXS módszer megismerése;
• Neurális hálók alapvető elméletének megértése, alkalmazásuk alapszintű elsajátítása;
• Meglévő adatbázisok felhasználásával az egycsoport-hatáskeresztmetszetek különböző reaktortípusok esetén történő illesztése neurális hálók segítségével, különböző tanítási algoritmusok és beállítások vizsgálata;
• Az illesztett hatáskeresztmetszetek kiégésmodellekbe történő integrálása, valamint a modellek verifikációja és összehasonlítása a FITXS módszeren alapuló modellekkel.