중앙처리장치(CPU)의 성능이 빠르게 향상되고 있음에도 불구하고, CFD를 이용한 화학 반응 유동의 시뮬레이션 계산 비용은 많은 경우 여전히 감당하기 어렵다. 유동장 예측에서 이미지 처리에 특화된 합성곱 신경망(CNN)을 적용하는 연구가 진행되어 왔으나, 최근 CFD에 적합하도록 신경망 설계를 개발할 필요성이 대두되었다. 본 연구에서는 고유한 네트워크 아키텍처와 물리 기반 손실 함수를 통해 유한체적법(FVM)을 도입하는 신경망 모델을 개발하여 CFD 시뮬레이션을 가속하였다. 개발된 네트워크 모델은 모든 격자에 동일한 지배 방정식이 적용되는 CFD 유동장의 특성을 고려함으로써, CNN이 많은 유동장 이미지(>10,000)를 요구하는 것과 달리 단지 두 개의 이전 유동장만으로 미래의 유동장을 예측할 수 있다. 개발된 모델의 성능은 비반응 유동과 반응 유동 시뮬레이션의 CFD 시계열 데이터(역류(counterflow) 및 20개의 상세 화학반응을 포함한 수소 화염)를 사용하여 평가하였다. 그 결과, (a) FVM 기반 네트워크 아키텍처가 기존 MLP 모델에 비해 다단계 시계열 예측의 정확도를 유의하게 향상시켰고, (b) 물리 기반 손실 함수가 비물리적 과적합 문제를 방지하여 궁극적으로 시계열 예측 오차를 감소시켰으며, (c) 비지도 방식으로 계산된 잔차(residuals)를 관찰함으로써 네트워크 정확도를 모니터링할 수 있음을 확인하였다. 또한 반응 유동 데이터셋에서는 본 네트워크 모델의 계산 속도가 CFD 해석기보다 약 10배 빠른 것으로 측정되었다.

원자력발전소(NPP)에서의 중대사고는 가혹해진 환경 조건으로 인해 계측기 기능이 저하될 수 있다는 점에서 중대한 도전 과제를 야기한다. 이러한 저하는 후쿠시마 다이이치 사고에서처럼, 운영자가 필수 열수력(thermal-hydraulic) 데이터를 갖지 못하는 “맹(盲) 상태(blind conditions)”를 초래하여, 결정적 순간에 의사결정을 방해한다. 이를 해결하기 위해, 실패한 계측기를 대체할 수 있는 신뢰성, 즉각적인 반응성, 그리고 상황대응(상황적 회복력)을 갖춘 원자력 안전 향상용 운영자 지원 도구(Operator Support Tools)가 필수적이다. 본 연구는 운영자 지원 도구의 역량을 향상시키기 위해, 중대사고 진행을 실시간으로 예측하는 딥러닝 기반 대체(surrogate) 방법론을 제안한다. Modular Accident Analysis Program(MAAP) 5.0.3을 사용하여 포괄적인 데이터셋을 구축함으로써, 대체 모델은 계산 부담 없이 복잡한 중대사고 해석 코드를 근사한다. Transformer 및 Mamba 아키텍처를 포함하는 고급 딥러닝 모델을 사용하여, 열수력 변수들과 반응기 압력용기(RPV) 상태에 대한 다변량 시계열 예측을 길이가 가변인 입력을 처리하도록 수행한다. 개발된 대체 모델은 주요 변수에 대한 신속하고 정확한 예측을 가능하게 하며, 휴대용 장치에서 구동하면서 운영자 지원 도구의 요구사항을 충족한다. 본 접근은 최신 기법을 통해 정확도를 향상하고 입력 처리의 유연성을 높여, 선행 연구를 발전시킨다. 성능 평가는 이 모델들이 중대사고 동안 운영자를 지원하고 맹 상태를 완화하며, 운영의 안전성과 회복력에 기여함을 입증한다.

용융염 원자로(Molten salt reactors, MSRs)는 향상된 안전 특성으로 인해 차세대 원자력 시스템으로 주목받고 있다. 잠재적 방사성 물질 방출 가능성을 좌우하는 현상이므로, 용융염의 확산과 고화에 대한 정확한 예측은 규제 승인에 필수적이다. 본 연구는 다상 유동과 상변화를 포착하기 위해 Volume of Fluid 및 엔탈피–다공성(enthalpy–porosity) 방법을 사용하여 NaCl–KCl–UCl 3 염의 확산을 시뮬레이션하는 CFD 프레임워크를 개발한다. 지배적인 물리적 매개변수를 식별하기 위한 체계적인 민감도 분석을 수행하였다. 그 결과, 무쉬(mushy) 구간 상수(mushy zone constant)가 가장 영향력이 큰 인자로 나타났으며, 고화 과정에서의 유동 저항 변화로 인해 확산 반경이 최대 53%까지 달라지는 것으로 확인되었다. 난류 모델링은 열 제거(heat removal)에 최대 13%의 변화를 유발하는 반면, 복사 열전달(radiative heat transfer)은 영향이 미미했다. 추가적인 매개변수 연구에서는 질량 유량을 증가시키면 확산 면적과 총 열 소산량이 모두 비례적으로 확대되는 것으로 나타났으며, 초기 유출 온도는 확산 거동에 대한 영향이 미미했다. 이러한 결과는 신뢰할 수 있는 모델링을 위해 열물리적 물성, 특히 무쉬 구간 매개변수의 불확실성을 감소시키는 것이 핵심적임을 보여준다. 제안된 프레임워크는 모델 선택을 위한 체계적인 근거를 제공하며, MSR 배치를 위한 규제 과정의 일부로서 염 유출 사고 거동의 검증 및 타당성 확인(verification and validation)을 뒷받침한다.