3D reconstruction from 2D sections via genetic algorithms : an application to metallic fuel

Porosity is one of the main properties that affects irradiation performance of nuclear fuel. Its measurement and study his crucial for the characterization of innovative fuel concepts, such as metallic fuels, the performance of which is still under scrutiny. The development of porosity impacts important phenomena such as phase formation, components migration, fission gas release, gas driven swelling, and thermal conductivity. The property of percolation threshold specifically—i.e., the limit porosity at which the porous material percolates—is extremely significant, since it governs the transport of fission products within the fuel itself. Percolation is a property that can be obtained only directly from 3D information on the porous material. This kind of information is however not always available, as direct methods to gain it—such as micro computed tomography (Micro-CT) and focused ion beam sectioning and scanning (FIB)—have serious limitations with dense irradiated materials and large volumes. Therefore, a simpler way to proceed is to adopt a reconstruction procedure that from images of 2D sections of experimental samples can extract statistical information on the 3D microstructure. From this, useful information can be gained, and percolation threshold can be computed. There are several reconstruction procedures that have been introduced in other works. However, the complexity of the microstructure of metallic fuel makes necessary to introduce a new approach. Genetic Algorithms have several good properties that make them attractive in solving complex reconstruction problems. In this work we propose a reconstruction procedure based on a Genetic Algorithm. We verify it against known 3D microstructures, then apply it to experimental samples taken from DOE-1 metallic fuel from FUTURIX-FTA irradiation campaign.

La porosità del combustibile nucleare è una delle principali proprietà che ne influenzano il comportamento durante l’irraggiamento in reattore. Di conseguenza, la caratterizzazione della porosità e della sua evoluzione è cruciale per lo sviluppo di combustibili innovativi, come il combustibile metallico. Diversi fenomeni fisici peculiari del combustibile, quali la formazione di fasi, il rilascio dei gas, il rigonfiamento da gas e la conducibilità termica sono influenzati dalla presenza e dalle caratteristiche della porosità. In particolare, la soglia di percolazione—la porosità limite alla quale un materiale poroso percola—è estremamente significativa, dal momento che governa il trasporto di prodotti di fissione nel combustibile. La percolazione è una proprietà intrinsecamente 3D e può essere ricavata solo tramite una conoscenza della struttura tridimensionale della proprietà. Questa conoscenza non è sempre disponibile sperimentalmente, essendo i metodi diretti per ottenerla—come micro-tomografia a raggi X (Micro-CT) e il sezionamento e ricostruzione con fascio di ioni focalizzati (FIB)— inapplicabili a materiali densi (quali il combustibile) e grandi volumi (necessari per la natura statistica della struttura). Vista la difficoltà di caratterizzare sperimentalmente la porosità in 3D, l’approccio canonico è quello di impiegare metodi di ricostruzione che, partendo da immagini di sezioni sperimentali 2D, estraggano informazioni statistiche sulla microstruttura 3D. Da questa, si possono ottenere informazioni per calcolare, ad esempio, la succitata soglia di percolazione. Diversi metodi di ricostruzione sono disponibili in letteratura, ciascuno basato su peculiari ipotesi stereologiche e processi di ottimizzazione. Tuttavia, la complessità della microstruttura della microstruttura 3D del combustibile nucleare (e metallico in particolare) rende necessario il rilassamento di alcune ipotesi di ricostruzione e la scelta di opportuni metodi di ottimizzazione. In questo lavoro di tesi si propone un nuovo metodo di ricostruzione basato su un algoritmo genetico e sulla definizione di una funzione obiettivo che sia slegata da precise ipotesi sulla struttura 3D da ricostruire. Il nuovo metodo è stato verificato su microstrutture 3D virtuali di riferimento, e quindi applicato alla ricostruzione di campioni di combustibile metallico DOE-1 della campagna di irraggiamento FUTURIX-FTA.