Inverse Critical Experiment Design via Gradient Optimization and a Multigroup Attention-Based Neural Network Architecture

Resumo Técnico: Design de Experimento Crítico Inverso via Otimização de Gradiente e uma Rede Neural Baseada em Atenção de Multigrupos

Definição do Problema
A validação de projetos avançados de reatores nucleares e conceitos de combustível, particularmente aqueles que utilizam Urânio de Baixo Enriquecimento de Alta Assentamento (HALEU), requer experimentos críticos com alta similaridade neutrônica com a tecnologia alvo. Essa similaridade é quantificada pelo coeficiente de correlação, $c_k$, que mede o viés compartilhado no fator de multiplicação efetiva ($k_{eff}$) induzido por incertezas nos dados nucleares. Um $c_k \geq 0,9$ é geralmente exigido para que um experimento seja considerado suficientemente similar a um sistema alvo. No entanto, para aplicações específicas, como o receptáculo de transporte TN-Americas TN-LC, os benchmarks de experimentos críticos existentes frequentemente falham em atingir esse limiar (por exemplo, nenhum experimento existente alcançou $c_k \geq 0,9$ para certas configurações do TN-LC). Os métodos de design tradicionais são limitados pelo alto custo computacional das simulações de Monte Carlo necessárias para avaliar geometrias candidatas, tornando a exploração de todo o espaço de design combinatório intratável.

Metodologia
Os autores propõem uma metodologia para o design inverso de experimentos críticos que combina modelagem substituta (surrogate) por redes neurais profundas (DNN) com otimização de gradiente não paramétrica.

1. Modelagem Substituta (Surrogate Modeling):

   • Geração de Dados: Um conjunto de dados de 5.000 geometrias de experimentos 2D geradas proceduralmente foi criado usando um algoritmo de autômato celular. Essas geometrias foram modeladas no OpenMC para calcular vetores de sensibilidade para quatro reações ($^{235}$U fissão, $^{12}$C espalhamento elástico, $^{1}$H espalhamento elástico e $^{58}$Ni absorção) através de 252 grupos de energia.
   • Arquitetura: O modelo substituto emprega uma arquitetura heterogênea combinando um codificador-decodificador convolucional U-Net com uma nova camada de Agrupamento por Atenção de Multigrupos (Multigroup Attention Pooling).
     • A U-Net extrai características espaciais da geometria de entrada (codificada como uma grade de quarto de tamanho 32x32 de atribuições de materiais).
     • A camada de Agrupamento por Atenção de Multigrupos aprende mapas de atenção distintos para cada grupo de energia, ponderando as características espaciais com base na sua importância para aquele grupo específico. Isso introduz um viés indutivo que reflete as diferentes dependências espaciais do transporte de nêutrons em várias escalas de energia.
     • Um regressor convolucional 1D processa os descritores de grupo para prever o perfil de sensibilidade final.
   • Treinamento: O modelo é treinado para prever perfis de sensibilidade (em vez de $c_k$ diretamente) usando perda de erro quadrático médio (MSE) normalizada, permitindo uma avaliação detalhada entre reações e grupos de energia.

2. Otimização Baseada em Gradiente:

   • A diferenciabilidade do modelo substituto permite a otimização direta da atribuição de materiais na grade geométrica para maximizar $c_k$.
   • Para lidar com a natureza discreta das atribuições de materiais, o problema é relaxado para a otimização de logits de materiais contínuos ($\ell$). Uma softmax escalonada por temperatura converte esses logits em probabilidades, que são então discretizadas usando um Estimador de Passagem Direta (Straight-Through Estimator - STE) para a passagem direta (forward pass), mantendo a diferenciabilidade para a passagem reversa (backward pass).
   • A otimização minimiza o coeficiente de correlação previsto negativo ($-\hat{c}_k$) usando o otimizador AdamW. Um cronograma de recozimento de cosseno (cosine annealing schedule) é aplicado à temperatura da softmax para transitar da exploração para a explotação.

Principais Contribuições

• Estrutura de Design Inverso: O trabalho estabelece uma estrutura para gerar geometrias de experimentos críticos que maximizam a similaridade neutrônica ($c_k$) em relação a um sistema alvo, otimizando diretamente as atribuições de materiais via gradiente descendente.
• Mecanismo de Atenção de Multigrupos: A introdução de uma camada de agrupamento por atenção de multigrupos permite que a rede capture as distintas dependências espaciais das sensibilidades de nêutrons em diferentes grupos de energia. Os autores demonstram que esta arquitetura supera o agrupamento (pooling) máximo e médio tradicional em termos de precisão de previsão (menor Erro Médio Absoluto - MAE) e fornece comportamento interno interpretável consistente com a intuição física (por exemplo, nêutrons térmicos permanecendo localizados no combustível, nêutrons rápidos interagindo com regiões circundantes).
• Substitutos Diferenciáveis para Neutrônica: O estudo demonstra a viabilidade do uso de modelos substitutos de aprendizado profundo diferenciáveis para navegar em todo o espaço de design combinatório de experimentos críticos, uma tarefa anteriormente dificultada pelo custo computacional dos cálculos de sensibilidade de Monte Carlo.

Resultos
A metodologia foi aplicada ao design de experimentos para três configurações de um receptáculo de transporte TN-LC: um receptáculo seco, um receptáculo inundado com veneno de baixa densidade (Caso 1) e um receptáculo inundado com veneno de alta densidade (Caso 2).

• Desempenho: A otimização gerou com sucesso geometrias de experimentos com altos escores de $c_k$:
  • Receptáculo Seco: $c_k = 0,97757$
  • Caso 1: $c_k = 0,81324$ (excedendo o limiar de 0,8 necessário para evitar penalidades de $k_{eff}$)
  • Caso 2: $c_k = 0,93276$ (um feito significativo, dado que nenhum experimento anterior apresentou $c_k \geq 0,8$ para esta configuração).
• Características da Geometria: As geometrias otimizadas foram altamente heterogêneas e "alienígenas" em design, priorizando UO$_2$ e alumínio boratado sobre aço inoxidável e polietileno. O otimizador focou primariamente em combinar a magnitude e a forma do perfil de sensibilidade de fissão de $^{235}$U, que é o contribuidor dominante para a incerteza de $k_{eff}$.
• Precisão do Modelo: O modelo substituto alcançou um Erro Médio Absoluto (MAE) de teste de 41,19 pcm, com a configuração de agrupamento por atenção de multigrupos apresentando o menor erro em comparação com os métodos de agrupamento tradicionais.

Significância e Alegações
O artigo afirma que esta abordagem demonstra o potencial do aprendizado profundo e da otimização de gradiente para acelerar o desenvolvimento e a validação de tecnologias nucleares avançadas. Especificamente, aborda a lacuna crítica de cobertura experimental para cenários de transporte de HALEU onde o benchmarking tradicional falha.

Os autores explicitamente observam limitações e alegações modestas:

• Restrição de $k_{eff}$: O método atual não restringe o fator de multiplicação efetiva ($k_{ef}$) durante a otimização. Embora os experimentos resultantes tenham valores de $k_{eff}$ próximos ou acima de 1, garantir a subcriticidade ou margens de criticidade específicas requer restrições adicionais ou modelos substitutos, que são identificados como trabalhos futuros.
• Escopo: O estudo foca em geometrias 2D e uma paleta de materiais específica. A extensão para geometrias 3D e o espaço total de design de materiais de instalações como o SPARC é proposta como uma direção para pesquisas futuras.
• Interpretabilidade: Embora os mapas de atenção forneçam insights qualitativos consistentes com a física de nêutrons, os autores reconhecem que uma análise de interpretabilidade mais rigorosa é necessária para quantificar totalmente o comportamento interno do modelo.

Em resumo, o trabalho fornece uma prova de conceito de que modelos substitutos diferenciáveis podem ser usados para resolver problemas de design inverso em engenharia nuclear, gerando novas configurações de experimentos que alcançam alta similaridade neutrônica onde antes não existiam.