A bayesian approach to parameter estimation and model comparison for the thermal behavior of W-Cu functionally graded material based fusion reactor wall components

The need to move towards a carbon-free future requires us to have sustainable energy sources that are safe, reliable, with a low carbon output and virtually inexhaustible fuel. Nuclear fusion meets these requirements but still has issues ahead of it, which prevent it from producing power on a commercial scale. One of these, as well as probably one of the most complicated to deal with, is the problem of the enormous thermal loads on the monoblocks of the divertor, the component responsible for the disposal of the heat produced by the reaction. In order to handle these loads and design the component in detail, computational modelling is required. This includes numerical simulations in the form of monoblock design optimization problems, which allow to tailor the material properties of the monoblock, such as the heat conductivity, by changing the local composition. The results obtained from this work highlight the need to rely on Bayesian inference for parameter estimation and model comparison for the thermomechanical behavior of the monoblock. These techniques are widely used in various domains, and have recently also been successfully applied to estimate plasma turbulence model parameters to improve plasma edge simulations and heat load predictions in tokamaks.

La necessità di muoversi verso un futuro senza emissioni di carbonio ci impone di avere energia sostenibile fonti sicure, affidabili, con basse emissioni di carbonio e combustibile virtualmente inesauribile. La fusione nucleare soddisfa questi requisiti, ma ha ancora problemi da affrontare, che le impediscono di produrre energia su scala commerciale. Uno di questi, che probabilmente è uno dei più complicati da affrontare, è il problema dell'enorme carichi termici sui monoblocchi del divertore, il componente responsabile dello smaltimento del calore prodotto dalla reazione. Al fine di gestire questi carichi e progettare il componente in dettaglio, è necessaria la modellazione computazionale. Ciò include simulazioni numeriche sotto forma di problemi di ottimizzazione della progettazione del monoblocco, che consentono di adattare le proprietà dei materiali del monoblocco, come la conducibilità termica, modificando la composizione locale. I risultati ottenuti da questo lavoro evidenziano la necessità di basarsi sull'inferenza bayesiana per la stima dei parametri e il confronto dei modelli per il comportamento termomeccanico del monoblocco. Queste tecniche sono ampiamente utilizzate in vari settori, e recentemente sono stati applicate con successo anche per stimare i parametri del modello di turbolenza del plasma per migliorare le simulazioni ai bordi del plasma e le previsioni del carico termico nei tokamak.