Nuclear Reaction Data for Fission Products Off Stability

Cet article expose une méthodologie combinant l'apprentissage automatique, une modélisation prédictive améliorée tenant compte de la déformation nucléaire et des données expérimentales afin de remédier au manque de données fiables sur les sections efficaces de capture neutronique pour les produits de fission instables, dans le but de produire des fichiers évalués pour les futures versions d'ENDF/B.

L'essentiel

Imaginez que vous essayiez de prédire la météo. Si vous observez une ville bien connue dotée de milliers de stations météorologiques, vous obtenez une prévision très précise. Mais si vous essayez de prédire la météo dans une jungle reculée et inexplorée où personne n'a jamais posé le pied, vous devez deviner en vous basant sur ce que vous savez de jungles similaires ailleurs.

Ce document traite exactement de cela, mais pour les noyaux atomiques au lieu de la météo.

Le Problème : La « jungle inexplorée » des atomes

Les scientifiques ont besoin de savoir comment les neutrons (de minuscules particules) interagissent avec des atomes spécifiques créés lors de la fission nucléaire (la division des atomes). C'est crucial pour des choses comme la gestion des déchets nucléaires, la garantie de la sécurité nucléaire et la compréhension du fonctionnement des étoiles.

Pour les atomes stables (ceux qui existent naturellement sur Terre), nous avons des « stations météorologiques » : beaucoup d'expériences réelles et de données. Nous savons exactement comment ils se comportent. Mais pour les produits de fission instables (des atomes créés dans les réacteurs qui ne durent pas longtemps), il n'y a presque aucune expérience. C'est comme essayer de prévoir la météo dans cette jungle reculée avec zéro donnée.

Actuellement, les scientifiques doivent utiliser des « suppositions simplifiées » (modèles théoriques) pour combler les vides. Le problème est que ces suppositions partent souvent du principe que les atomes sont des sphères parfaites, comme des billes de billard. Mais beaucoup de ces atomes instables sont en réalité écrasés ou étirés, comme des ballons de rugby ou des blocs déformés. Utiliser un modèle de « bille de billard » pour un « ballon de rugby » entraîne de grosses erreurs.

La Solution : Une boîte à outils plus intelligente

Les auteurs, une équipe de Brookhaven, Lawrence Livermore et l'Université de l'Ohio, construisent une nouvelle boîte à outils pour obtenir de meilleures réponses. Ils appellent leur projet RREFPOS (Realistic Reaction Evaluations for Fission Products Off Stability).

Voici comment ils résolvent le problème, en utilisant trois outils principaux :

1. Le modèle du « Changeur de Forme » (Prendre en compte la déformation)
Au lieu de prétendre que tous les atomes sont des sphères parfaites, ils utilisent une nouvelle méthode qui tient compte de la forme réelle de l'atome.

• L'analogie : Imaginez que vous lanciez une balle contre un mur. Si le mur est plat (une sphère), la balle rebondit de manière prévisible. Si le mur est courbé ou bosselé (un noyau déformé), la balle rebondit différemment.
• La correction : Ils utilisent une approche de « canaux couplés » qui traite ces atomes comme des ballons de rugby. Ils injectent dans l'ordinateur les « paramètres de déformation » spécifiques (à quel point l'atome est écrasé ou étiré) afin que les mathématiques reflètent la réalité, et non un fantasme simplifié.

2. L'« Interprète IA » (Apprentissage automatique)
Puisqu'ils ne peuvent pas mesurer chaque atome instable, ils utilisent l'Intelligence Artificielle pour aider.

• L'analogie : Pensez à un traducteur qui connaît le « allemand » et le « français ». Si vous lui demandez de traduire une phrase dans une langue qu'il n'a jamais vue (« le swahili »), il pourrait avoir du mal. Mais si vous lui donnez un dictionnaire expliquant comment l'allemand et le français sont liés, il peut faire une supposition très instruite sur le swahili en se basant sur ces schémas.
• La correction : Ils entraînent un réseau neuronal (un type d'IA) pour qu'il apprenne les schémas de fonctionnement des réactions de neutrons à travers la « carte des atomes ». L'IA ne se contente pas de deviner ; elle utilise des théories physiques avancées pour observer un atome voisin connu et traduire ce savoir vers l'atome instable et inconnu. Cela leur donne une « meilleure supposition » qui est bien plus intelligente qu'un coup de dés aléatoire.

3. La « Nouvelle Station Météo » (Mesures expérimentales)
Pour s'assurer que leurs suppositions sont correctes, ils construisent de nouvelles « stations météorologiques » en laboratoire.

• L'analogie : Au lieu de simplement deviner la météo dans la jungle, ils envoient un drone pour effectuer quelques mesures directes.
• La correction : Ils réalisent de nouvelles expériences (en utilisant des accélérateurs de particules) pour mesurer la « densité de niveaux nucléaires » (une façon sophistiquée de compter combien d'états d'énergie possède un atome) pour des atomes spécifiques comme le Zirconium et le Niobium. Cela fournit des données réelles pour ancrer leurs modèles, garantissant que l'IA et les mathématiques du changement de forme ne dérivent pas de leur trajectoire.

Le But : Un meilleur « Manuel d'Utilisation » pour les Atomes

L'objectif ultime est de créer un nouveau « manuel d'utilisation » de haute qualité (appelé fichier évalué) pour ces atomes instables.

• État actuel : Le manuel est rempli de pages blanches ou de gribouillis grossiers car nous manquons de données.
• État futur : Ils veulent remplir ces pages avec des données réalistes qui tiennent compte des formes étranges de ces atomes et utilisent l'IA pour combler les lacunes.

Ils prévoient de soumettre ces nouveaux manuels à la bibliothèque ENDF/B, qui est la base de données mondiale utilisée par les ingénieurs et les scientifiques pour concevoir des réacteurs et analyser des événements nucléaires. En rendant ces données plus précises, ils espèrent améliorer la sécurité et l'efficacité de l'énergie nucléaire ainsi que les efforts de non-prolifération.

En bref : Ils passent de « deviner la météo dans une jungle » à « utiliser des drones, l'IA et des mathématiques de changement de forme pour cartographier la jungle avec précision », afin que nous puissions la naviguer en toute sécurité.

Résumé technique

Résumé technique : Évaluations de réactions réalistes pour les produits de fission hors stabilité (RREFPOS)

Énoncé du problème
La modélisation précise de la génération et de l'épuisement des isotopes est cruciale pour des applications allant de la non-prolifération nucléaire et la forensique à l'analyse du combustible usé, la conception de réacteurs et l'astrophysique. Ces applications nécessitent des descriptions complètes des sections efficaces neutroniques pour les produits de fission. Bien que les bibliothèques de données nucléaires évaluées (par exemple, ENDF/B-VIII.1) fournissent des données fiables pour les isotopes situés sur ou près de la stabilité, les données pour les produits de fission instables sont souvent rares ou inexistantes. Par conséquent, les évaluateurs doivent s'appuyer sur des extrapolations théoriques. Les alternatives actuelles, telles que la bibliothèque TENDL, emploient souvent des hypothèses simplifiées — comme la génération de résonance stochastique ou des potentiels de modèle optique sphériques — qui ne parviennent pas à rendre compte de la déformation nucléaire et manquent d'incertitudes quantifiées. Ces limitations rendent les données existantes insuffisantes pour les applications de haute fidélité impliquant des noyaux instables.

Méthodologie
Le projet RREFPOS vise à développer et à diffuser des évaluations neutroniques complètes pour les produits de fission hors stabilité, en ciblant spécifiquement les noyaux produits dans la fission spontanée de l'$^{235}$U, avec des objectifs secondaires pour l'$^{239}$Pu et l'$^{252}$Cf. La méthodologie traite trois régimes d'énergie :

1. Région de résonance :

   • Défi : Les noyaux instables manquent de données de résonance expérimentales pour un ajustement direct par la matrice R. La génération stochastique de paramètres de résonance (comme dans TENDL) produit souvent des résultats sans signification à moins d'être moyennée, et les bibliothèques actuelles n'incluent pas d'incertitudes sur les paramètres moyens.
   • Approche : Le projet exploite l'apprentissage automatique pour établir la distribution de probabilité de la section efficace, $P(\sigma|E, T)$, en fonction de l'énergie du neutron ($E$) et de la température de la cible ($T$). Plutôt que de générer des ensembles de résonances aléatoires, l'objectif est de développer un modèle capable de prédire directement $P(\sigma|E, T)$ à partir des paramètres de résonance moyens ($\Gamma_\gamma, \Gamma_n, D$), de manière similaire aux approches utilisées pour les résonances non résolues dans les calculs de réacteurs.

2. Calculs de réaction en régime rapide :

   • Modélisation de la réaction : En l'absence de mesures directes, le projet donne la priorité aux modèles prédictifs microscopiques. Un composant critique est le potentiel de modèle optique (OMP). Reconnaissant que la plupart des noyaux d'intérêt sont bien déformés (comme l'indiquent les rapports $E_{4^+}/E_{2^+}$ proches de 3,3), le projet rejette les OMP de noyaux sphériques comme de mauvaises approximations. Au lieu de cela, il emploie un modèle adiabatique basé sur des paramètres de déformation multipolaires. Ce modèle est étendu aux noyaux hors stabilité en le combinant avec des déformations nucléaires dérivées de modèles microscopiques, tels que les densités HFB.
   • Priors par apprentissage automatique : Le projet utilise des modèles de réseaux neuronaux génératifs entraînés sur les tendances systématiques à travers la carte nucléaire (informées par la théorie de la densité fonctionnelle). Ces réseaux traduisent les sections efficaces des isotopes stables vers les isotopes instables voisins. Les résultats ne sont pas utilisés comme valeurs finales mais comme des priors informatifs pour guider et contraindre les paramètres du modèle, garantissant que l'extrapolation reste ancrée dans les tendances théoriques.

3. Mesures de densité de niveaux :

   • Défi : Les modèles actuels de densité de niveaux nucléaires (NLD) sont contraints uniquement par les niveaux discrets et les espacements de résonance spécifiques, offrant une orientation limitée pour les noyaux hors stabilité.
   • Approche : Le projet mène des mesures expérimentales ciblées en utilisant la technique d'évaporation de particules à l'Edwards Accelerator Lab. Cette méthode fournit des données NLD sur une plage d'énergie d'excitation plus large (de l'état fondamental à l'énergie de séparation neutronique) et des plages de spin plus larges, en se concentrant spécifiquement sur les régions de masse proches de la ligne de stabilité pour améliorer la fiabilité de l'extrapolation des paramètres.

Contributions clés et résultats préliminaires

• Campagnes expérimentales : Deux campagnes expérimentales ont été achevées, produisant des mesures NLD pour $^{92,96}$Nb et des contraintes pour $^{94}$Nb via des réactions $(p,n)$. L'analyse des données de réaction $(d,n)$ pour $^{95}$Nb est en cours.
• Infrastructure de modélisation : Une infrastructure a été développée pour intégrer les bases de données de déformation nucléaire avec le code de réaction EMPIRE, permettant l'approche par canaux couplés adiabatiques pour tous les noyaux concernés.
• Calculs préliminaires : Les calculs de la région rapide ont été formatés en fichiers ENDF-6. Une comparaison pour la section efficace $^{98}$Zr(n,total) démontre une différence substantielle entre l'approche par canaux couplés adiabatiques (prenant en compte la déformation) et l'utilisation directe d'un OMP sphérique. Le modèle sphérique suit de près les prédictions de TENDL, tandis que le modèle incluant la déformation fournit une description nettement plus réaliste pour les noyaux présentant une forte déformation quadripolaire dynamique (ex: $\beta_2 \approx 0,33$).

Signification et perspectives d'avenir
La principale importance de ce travail réside dans le dépassement des hypothèses simplifiées pour produire des fichiers évalués qui tiennent compte de la déformation nucléaire et utilisent l'apprentissage automatique pour contraindre les paramètres du modèle. Le projet vise à soumettre ces fichiers évalués à la bibliothèque ENDF/B pour une considération future dans la version ENDF/B-IX.0.

Les auteurs soulignent qu'une fois le système d'évaluation établi pour l'objectif principal (les noyaux dans le premier dôme de rendement de fission de l'$^{235}$U), l'effort requis pour étendre le processus à d'autres produits de fission instables (objectifs secondaires et "stretch") sera relativement faible. L'objectif ultime est de fournir à la communauté des données nucléaires des évaluations réalistes et validées pour les produits de fission hors stabilité, permettant de meilleurs tests, retours et ajustements pour les applications de non-prolifération et de réacteurs.