An AI-enhanced model of athermal fission gas release in SCIANTIX

The surge in interest surrounding low-temperature phenomena calls for the description of athermal fission gas behaviour. This holds particular significance for reactors operating in such conditions, including certain Small Modular Reactor designs and fast neutron reactors employing fuels with high thermal conductivity, such as nitride fuels. Additionally, its implications extend to the context of spent fuel storage conditions. In this work, an AI-enhanced physics-based model of the athermal fission gas behaviour is presented, extending mechanistic models available in the open literature. The athermal release, defined as the fraction of gas vented from the fuel through its open porosity, is accounted for via the solution of the gas diffusion within the fuel grain, evaluating the fraction of the concentration gradient in the proximity of grain edges. The results of such computation are included in the SCIANTIX code thanks to a dedicated neural network, aimed at encapsulating the complex dependencies affecting the athermal release, whilst ensuring a computational time in line with fuel performance applications. Additionally, in the context of this analysis, semi-empirical models for solid fission products swelling and fuel densification were incorporated as well, both relevant phenomena in lowtemperature conditions. The consistency of the model is tested with data available in the literature.

Il crescente interesse nei confronti dei fenomeni a basse temperature richiede una dettagliata analisi del comportamento atermico dei gas di fissione. Tale studio riveste particolare importanza per i reattori operanti in condizioni di bassa temperatura, tra cui determinati modelli di Reattori Modulari Compatti e reattori a neutroni veloci che impiegano combustibili ad alta conducibilità termica, come ad esempio i combustibili a base di nitruri. Inoltre, le sue implicazioni si estendono al contesto delle condizioni di stoccaggio del combustibile esaurito. Nel presente lavoro viene presentato un modello fisico potenziato da tecniche di intelligenza artificiale, finalizzato ad approfondire la comprensione del comportamento del gas di fissione atermico. Tale modello estende modelli meccanicistici tradizionalmente disponibili nella letteratura. Il concetto di rilascio atermico, definito come la frazione di gas espulso dal combustibile attraverso la sua porosità aperta, viene considerato mediante la risoluzione della diffusione del gas all’interno del grano di combustibile, valutando il gradiente di concentrazione nelle vicinanze dei bordi del grano. Il risultato di questa analisi è incluso nel codice SCIANTIX grazie all’implementazione di una rete neurale dedicata. Tale rete mira a catturare le inrticate dipendenze che influenzano il rilascio atermico, assicurando nel contempo un tempo computazionale congruente con le esigenze applicative nel campo dei codici di prestazione del combustibile nucleare. Inoltre, all’interno di questa ricerca, sono stati incorporati modelli semi-empirici atti a descrivere i fenomeni di rigonfiamento da prodotti di fissione solidi e di densificazione del combustibile, entrambi rilevanti in condizioni di bassa temperatura. La capacità predittiva del modello è stata testata utilizzando dati e casi sperimentali disponibili nella letteratura scientifica.