CN115577471B - 半经验-半定量的小型反应堆轻量化屏蔽方法 - Google Patents

半经验-半定量的小型反应堆轻量化屏蔽方法 Download PDF

Info

Publication number
CN115577471B
CN115577471B CN202211259018.4A CN202211259018A CN115577471B CN 115577471 B CN115577471 B CN 115577471B CN 202211259018 A CN202211259018 A CN 202211259018A CN 115577471 B CN115577471 B CN 115577471B
Authority
CN
China
Prior art keywords
shielding
semi
empirical
layers
scheme
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202211259018.4A
Other languages
English (en)
Other versions
CN115577471A (zh
Inventor
潘清泉
郑嵩川
刘晓晶
熊进标
柴翔
张滕飞
何辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN202211259018.4A priority Critical patent/CN115577471B/zh
Publication of CN115577471A publication Critical patent/CN115577471A/zh
Application granted granted Critical
Publication of CN115577471B publication Critical patent/CN115577471B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E30/00—Energy generation of nuclear origin
    • Y02E30/30—Nuclear fission reactors

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Software Systems (AREA)
  • Mathematical Optimization (AREA)
  • Genetics & Genomics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Medical Informatics (AREA)
  • Computational Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Mathematical Analysis (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Measurement Of Radiation (AREA)

Abstract

一种半经验‑半定量的小型反应堆轻量化屏蔽方法，采用经验性屏蔽方案配合遗传算法对各屏蔽层的相对厚度进行优化，再通过构建剂量‑总厚度的关系式，直接根据剂率量限值确定屏蔽层总厚度，避免遗传算法的局部最优解。本发明能够在给定反应堆功率水平的基础上，根据辐射屏蔽限值要求，快速获得屏蔽方案，实现屏蔽层减重的目标。

Description

半经验-半定量的小型反应堆轻量化屏蔽方法
技术领域
本发明涉及一种小型反应堆屏蔽领域的技术，具体是一种半经验-半定量的小型反应堆轻量化屏蔽方法。
背景技术
小型反应堆的辐射屏蔽要求严格，需要对剂量、重量、体积等多目标进行综合优化。现有小型反应堆的屏蔽方法基于经验进行手动迭代优化，存在着工作量大、效率低、易出错、非最优等问题，已不能满足小型反应堆精细屏蔽的应用需求。
发明内容
本发明针对现有屏蔽方法所面临的工作量大、效率低、易出错、非最优等问题，提出一种半经验-半定量的小型反应堆轻量化屏蔽方法，采用经验性屏蔽方案，配合遗传算法对各屏蔽层的相对厚度进行优化，再通过剂量-总厚度关系直接根据剂率量限值确定屏蔽层总厚度，避免遗传算法的局部最优解。本发明能够在给定反应堆功率水平的基础上，根据辐射屏蔽限值要求，快速获得屏蔽方案，实现屏蔽层减重的目标。
本发明是通过以下技术方案实现的：
本发明涉及一种半经验-半定量的小型反应堆轻量化屏蔽方法，采用经验性屏蔽方案配合遗传算法对各屏蔽层的相对厚度进行优化，再通过构建剂量-总厚度的关系式，直接根据剂率量限值确定屏蔽层总厚度，避免遗传算法的局部最优解。
所述的经验性屏蔽方案，通过以下方式得到：通过设置调整先屏蔽中子或者先屏蔽光子的顺序，并统计探测器区域的剂量率，通过对比剂量率的大小来确定先屏蔽中子或者先屏蔽光子的顺序；然后确定屏蔽层数量对剂量率的影响，保证总厚度一定的前提下，增加或者减少屏蔽层数量，并统计探测器区域的剂量率，通过对比剂量率的大小来总结屏蔽层数量对剂量率影响的规律。根据先屏蔽中子或者先屏蔽光子的顺序和屏蔽层数量对剂量率的影响，确定经验性的初始屏蔽方案。
所述的经验性屏蔽方案优选为先屏蔽光子且屏蔽层数量为奇数。
所述的剂量率的统计过程基于蒙卡固定源计算，即：先对小型反应堆的堆芯和屏蔽方案进行建模，设置反应堆中的放射源分布，执行固定源计算来求解中子-光子输运方程，统计屏蔽层外侧探测区域的辐射剂量率，其中：需要求解的输运方程为：(L+C)·φ＝(S+F)·φ+Qs，其中：L、C、S和F分别为泄漏项、碰撞项、散射项和裂变项；Qs是外源项；φ是通量分布。
所述的遗传算法，即通过引入遗传算法来对各屏蔽层厚度进行优化，确定各屏蔽层的相对厚度，从而确定优化后的“半经验-半定量”的屏蔽方案。
所述的剂量-总厚度的关系式，通过以下方式得到：
1)当总功率一定，屏蔽层数量不同时，将屏蔽层设置为7-13层，得到各层数方案下，探测器区域内的剂量率最大值/最小值随厚度的变化规律，使用式子T＝a×Db来进行拟合。
2)当屏蔽层数一定，总功率不同时，统计各功率水平下，探测器区域内的剂量率最大值/最小值随厚度的变化规律，使用T＝a×Db进行拟合，其中：T为屏蔽层总厚度，D为探测区内的辐射剂量最大/最小值，a为积累因子，b为修正因子。
技术效果
与现有技术相比，本发明结合“经验性”与“定量性”，在确定中子/光子屏蔽顺序和屏蔽层数量时，采用“经验性”的技术，给出优选方案，在确定各屏蔽层相对厚度和屏蔽层总厚度时，采用“定量性”的技术，避免局部最优解且保证全局最优化的同时实现小型反应堆屏蔽方案的快速寻优，基于“半经验+半定量”的技术，既保证本发明的效率，又保证本发明的轻量化效果。本发明具有良好的普适性，可以为小型反应堆的轻量化屏蔽提供技术支撑。
附图说明
图1为实施例的流程图；
图2为实施例小型氦氙反应堆堆芯模型简图；
图3为经验性的初始屏蔽方案示意图；
图4为采用不同屏蔽层数量和调整屏蔽中子/光子顺序时的剂量率；
图5为经过遗传算法优化前后的剂量率；
图6为经过遗传算法优化前后的屏蔽层总重量；
图7为经过本发明优化后的屏蔽层相对厚度分布图；
图8为优化前后各个统计区域内的剂量分布图。
具体实施方式
本实施例在图2所示的小型氦氙反应堆中进行。如图1所示，为本实施例涉及一种半经验-半定量的小型反应堆轻量化屏蔽方法，具体包括：
步骤1：对如图2所示的小型氦氙反应堆进行堆芯及屏蔽方案建模；
所述的小型氦氙冷却反应堆，能够通过车载运输，实现对偏远地区或特殊场景的供电，其堆芯参数如表1所示。
表1
所述的建模是指：在屏蔽层外侧5厘米处，将Z轴方向进行20等分，每一个区域的高度为5cm，一共形成20个子探测区域。使用RMC程序执行固定源计算，采用中子-光子耦合计算模式，且模拟的中子数为N＝1000000，统计这20个区域的辐射剂量率。
为确定小型氦氙反应堆应该先屏蔽中子或者先屏蔽光子的顺序，以及应该选择的屏蔽层数量。如图3所示，在屏蔽层总厚度一定的前提下，通过调整屏蔽体顺序和屏蔽层数量，获得多组屏蔽方案，统计屏蔽层外侧5厘米处的辐射剂量率。各方案辐射剂量率的对比如图4所示。
从图4所示，先屏蔽光子的屏蔽方案相对于先屏蔽中子的屏蔽方案，可以有效降低探测区域的辐射剂量率。随着屏蔽层数量的增长，辐射剂量率逐渐减少，直至趋于稳定，且屏蔽层数量为奇数的屏蔽方案相对于屏蔽层数量为偶数的屏蔽方案，具有更低的辐射剂量率。所以在后续的屏蔽方案中采用先屏蔽光子，屏蔽层数量尽量多(7-13层)且为奇数，各层屏蔽层厚度相同(均匀)的屏蔽方案。
步骤2：在由步骤1确定的经验性屏蔽方案的基础上，通过遗传算法对各屏蔽层的相对厚度进行优化，从而给出半定量的屏蔽方案。
优选地，该步骤可以提前封装成数据库，具体设计时仅需根据功率水平和剂量率限值直接调用即可，无需执行计算。
经验性屏蔽方案的剂量率与优化后的剂量率对比如图5。经验性屏蔽方案的屏蔽体总重量与优化后的屏蔽体总重量对比如图6。从图5所示，经过遗传算法优化后，剂量率明显降低。从图6所示，经过遗传算法优化后，屏蔽体的总重量明显降低，“半经验-半定量”的屏蔽优化技术可以实现良好的减重效果。
步骤3：基于步骤2中给出的半定量的屏蔽方案，使用RMC程序进行大批量计算，获取剂量-总厚度关系式。如表2所示，为剂量-总厚度关系式T＝a×Db中的关键参数。
表2
对剂量-总厚度关系式进行验证：通过随机调整厚度或功率获得多组屏蔽方案，将使用剂量-总厚度关系式得到的计算结果与RMC程序得到的计算结果进行误差评估。二者结果对比如表3所示。
表3.不同厚度下剂量-总厚度关系式与RMC计算结果对比(单位：mrem/h)
如表3所示，剂量-总厚度关系式相对于蒙卡计算，计算误差可控制在7％以内。所以，剂量-总厚度关系式可以用于确定屏蔽层的总厚度。
步骤4：综合步骤1-3确定的经验性屏蔽方案、各屏蔽层的相对厚度以及屏蔽层的总厚度，确定最终的轻量化屏蔽方案。根据剂量-总厚度关系式，取功率水平P1＝37.5MW、剂量要求D1＝100mrem/h，确定屏蔽层总厚度T1＝119.7cm，优先屏蔽光子且屏蔽层数设置为奇数(7层)，优化后的各层相对厚度值沿径向由内向外如表4所示，由本发明确定的最终屏蔽方案如图7所示。
表4.优化后的各层相对厚度
根据上述方法得到的屏蔽方案与总厚度相同，各层相对厚度一致的屏蔽方案分别进行中光子耦合输运计算，得到各个统计区域内的剂量与屏蔽层总重量分别如表5和图8所示，由此可见，总厚度一致的前提下，本方法较常规方法可有效减小辐射剂量约2.3倍。因此，当剂量要求一致的前提下，本发明较常规方法也可有效降低屏蔽层重量，将小型氦氙堆的屏蔽层重量从53.52吨降低到54.99吨，实现轻量化屏蔽的目的。
表5.两种方法下各统计区域内剂量对比(剂量单位：mrem/h)
本方法通过建立经验性数据库和确定厚度-剂量映射关系，就能快速完成屏蔽方案的确定。在屏蔽层总厚度一致的前提下较常规方法可有效减小辐射剂量，此外，当剂量要求一致的前提下，本发明较常规方法也可有效降低屏蔽层重量，有助于小型反应堆屏蔽方案的快速寻优，实现小型反应堆的轻量化屏蔽。
上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整，本发明的保护范围以权利要求书为准且不由上述具体实施所限，在其范围内的各个实现方案均受本发明之约束。

Claims (6)

1.一种半经验-半定量的小型反应堆轻量化屏蔽方法，其特征在于，采用经验性屏蔽方案配合遗传算法对各屏蔽层的相对厚度进行优化，再通过构建剂量-总厚度的关系式，直接根据剂率量限值确定屏蔽层总厚度，避免遗传算法的局部最优解；
所述的经验性屏蔽方案，通过以下方式得到：通过设置调整先屏蔽中子或者先屏蔽光子的顺序，并统计探测器区域的剂量率，通过对比剂量率的大小来确定先屏蔽中子或者先屏蔽光子的顺序；然后确定屏蔽层数量对剂量率的影响，保证总厚度一定的前提下，增加或者减少屏蔽层数量，并统计探测器区域的剂量率，通过对比剂量率的大小来总结屏蔽层数量对剂量率影响的规律，根据先屏蔽中子或者先屏蔽光子的顺序和屏蔽层数量对剂量率的影响，确定经验性的初始屏蔽方案。
2.根据权利要求1所述的半经验-半定量的小型反应堆轻量化屏蔽方法，其特征是，所述的经验性屏蔽方案为先屏蔽光子且屏蔽层数量为奇数。
3.根据权利要求1所述的半经验-半定量的小型反应堆轻量化屏蔽方法，其特征是，所述的剂量率的统计过程基于蒙卡固定源计算，即：先对小型反应堆的堆芯和屏蔽方案进行建模，设置反应堆中的放射源分布，执行固定源计算来求解中子-光子输运方程，统计屏蔽层外侧探测区域的辐射剂量率，其中：需要求解的输运方程为：(L+C)·φ＝(S+F)·φ+Qs，其中：L、C、S和F分别为泄漏项、碰撞项、散射项和裂变项；Qs是外源项；φ是通量分布。
4.根据权利要求1所述的半经验-半定量的小型反应堆轻量化屏蔽方法，其特征是，所述的遗传算法，即通过引入遗传算法来对各屏蔽层厚度进行优化，确定各屏蔽层的相对厚度，从而确定优化后的半经验-半定量的屏蔽方案。
5.根据权利要求1所述的半经验-半定量的小型反应堆轻量化屏蔽方法，其特征是，所述的剂量-总厚度的关系式，通过以下方式得到：
1)当总功率一定，屏蔽层数量不同时，将屏蔽层设置为7-13层，得到各层数方案下，探测器区域内的剂量率最大值/最小值随厚度的变化规律，使用T＝a×Db进行拟合；
2)当屏蔽层数一定，总功率不同时，统计各功率水平下，探测器区域内的剂量率最大值/最小值随厚度的变化规律，使用T＝a×Db进行拟合，其中：T为屏蔽层总厚度，D为探测区内的辐射剂量最大/最小值，a为积累因子，b为修正因子。
6.根据权利要求1-5中任一所述的半经验-半定量的小型反应堆轻量化屏蔽方法，其特征是，具体包括：
步骤1：对小型氦氙反应堆进行堆芯及屏蔽方案建模，具体为：在屏蔽层外侧5厘米处，将Z轴方向进行20等分，每一个区域的高度为5cm，一共形成20个子探测区域；使用RMC程序执行固定源计算，采用中子-光子耦合计算模式，且模拟的中子数为N＝1000000，统计这20个区域的辐射剂量率；在屏蔽层总厚度一定的前提下，通过调整屏蔽体顺序和屏蔽层数量，获得多组屏蔽方案，统计屏蔽层外侧5厘米处的辐射剂量率；基于屏蔽层数量为奇数的屏蔽方案相对于屏蔽层数量为偶数的屏蔽方案具有更低的辐射剂量率，采用先屏蔽光子，屏蔽层数量为7-13层且为奇数，各层屏蔽层厚度相同且均匀的屏蔽方案；
步骤2：在由步骤1确定的经验性屏蔽方案的基础上，通过遗传算法对各屏蔽层的相对厚度进行优化，从而给出半定量的屏蔽方案；
步骤3：基于步骤2中给出的半定量的屏蔽方案，使用RMC程序进行大批量计算，获取剂量-总厚度关系式；
步骤4：综合步骤1-3确定的经验性屏蔽方案、各屏蔽层的相对厚度以及屏蔽层的总厚度，确定最终的轻量化屏蔽方案：根据剂量-总厚度关系式，取功率水平P1＝37.5MW、剂量要求D1＝100mrem/h，确定屏蔽层总厚度T1＝119.7cm，优先屏蔽光子且屏蔽层数设置为7层。
CN202211259018.4A 2022-10-14 2022-10-14 半经验-半定量的小型反应堆轻量化屏蔽方法 Active CN115577471B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211259018.4A CN115577471B (zh) 2022-10-14 2022-10-14 半经验-半定量的小型反应堆轻量化屏蔽方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211259018.4A CN115577471B (zh) 2022-10-14 2022-10-14 半经验-半定量的小型反应堆轻量化屏蔽方法

Publications (2)

Publication Number Publication Date
CN115577471A CN115577471A (zh) 2023-01-06
CN115577471B true CN115577471B (zh) 2024-03-05

Family

ID=84584224

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211259018.4A Active CN115577471B (zh) 2022-10-14 2022-10-14 半经验-半定量的小型反应堆轻量化屏蔽方法

Country Status (1)

Country Link
CN (1) CN115577471B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116595885B (zh) * 2023-05-29 2024-03-12 上海交通大学 小型反应堆轻量化屏蔽深度耦合优化方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013052024A1 (en) * 2011-09-29 2013-04-11 Crucible Intellectual Property, Llc Radiation shielding structures
CN104933245A (zh) * 2015-06-15 2015-09-23 南华大学 基于神经网络和遗传算法的船用反应堆屏蔽设计优化方法
CA2980051A1 (en) * 2017-05-31 2018-11-30 Atomic Energy Of Canada Limited / Energie Atomique Du Canada Limitee System and method for stand-off monitoring of nuclear reactors using neutron detection
CA3067628A1 (en) * 2017-06-23 2018-12-27 Chrysos Corporation Limited A shielded x-ray radiation apparatus
CN109978166A (zh) * 2019-03-27 2019-07-05 南华大学 一种核反应堆辐射屏蔽方案设计方法、装置及设备
CN113139325A (zh) * 2021-05-12 2021-07-20 上海交通大学 基于蒙卡临界计算的反应堆全局方差均匀分布的实现方法
CN114444383A (zh) * 2021-12-31 2022-05-06 岭东核电有限公司 核反应堆设计方案优化方法、装置、计算机设备和介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013052024A1 (en) * 2011-09-29 2013-04-11 Crucible Intellectual Property, Llc Radiation shielding structures
CN104933245A (zh) * 2015-06-15 2015-09-23 南华大学 基于神经网络和遗传算法的船用反应堆屏蔽设计优化方法
CA2980051A1 (en) * 2017-05-31 2018-11-30 Atomic Energy Of Canada Limited / Energie Atomique Du Canada Limitee System and method for stand-off monitoring of nuclear reactors using neutron detection
CA3067628A1 (en) * 2017-06-23 2018-12-27 Chrysos Corporation Limited A shielded x-ray radiation apparatus
CN109978166A (zh) * 2019-03-27 2019-07-05 南华大学 一种核反应堆辐射屏蔽方案设计方法、装置及设备
CN113139325A (zh) * 2021-05-12 2021-07-20 上海交通大学 基于蒙卡临界计算的反应堆全局方差均匀分布的实现方法
CN114444383A (zh) * 2021-12-31 2022-05-06 岭东核电有限公司 核反应堆设计方案优化方法、装置、计算机设备和介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
multi-objective optimization strategies for radiation shielding design with genetic algorithm;zhenping chen;《Computer Physics Communications》》;20200313;全文 *

Also Published As

Publication number Publication date
CN115577471A (zh) 2023-01-06

Similar Documents

Publication Publication Date Title
CN115577471B (zh) 半经验-半定量的小型反应堆轻量化屏蔽方法
Liu et al. Indication of a local fog of subankle ultrahigh energy cosmic rays
CN113139325B (zh) 基于蒙卡临界计算的反应堆全局方差均匀分布的实现方法
Liu et al. Improvement for color glass condensate factorization: Single hadron production in p A collisions at next-to-leading order
Brose et al. Nonthermal emission from the reverse shock of the youngest Galactic supernova remnant G1. 9+ 0.3
Parker et al. Radiation trapping simulations using the propagator function method: complete and partial frequency redistribution
Berezhko et al. Gamma-ray emission expected from Kepler's supernova remnant
Qiao et al. Physical design and multi-particle simulations of a compact IH-DTL with KONUS beam dynamics for proton therapy
Han The double differential cross section for n+ U238 reaction
Back Physics studies for the LBNF graphite target design
Haas et al. Precision calculation of processes used for luminosity measurement at the ZEUS experiment
Liu et al. Study on multi-objective optimization for nuclear reactor radiation shield design coupling genetic algorithm with paralleling discrete ordinate code
Qian et al. Research on Digital Transformation Architecture and Path of Power Grid Development Planning Business Under New Power System Blueprint
REN et al. THE ULTRA-HIGH ENERGY NUCLEAR INTERACTION EVENT PRODUCING MULTIPLE LARGE TRANSVERSE MOMENTUM COMPONENTS
Mengjiao et al. A New Low Enrichment Uranium Core Design of MNSR
Wang et al. The energy sawtooth effects in the partial double ring scheme of CEPC
CN114708997A (zh) 一种降低核反应堆共振自屏计算中多群等效误差的方法
Anderson et al. Enhanced sensitivity to target offset when using cross-beam energy transfer mitigation techniques in direct-drive inertial confinement fusion implosions
Umansky et al. Investigation of plasma turbulence in tokamak divertor and its implications for plasma-material interactions
Korchuganov et al. Kurchatov Synchrotron Radiation Source Upgrade Project
Olimov et al. Partial inelasticity coefficients of negative pions in p, d, α, 12 C+ 12 C and p, 12 C+ 181 Ta collisions at 4.2 GeV/c per nucleon
CN116570845A (zh) 一种基于电子能量沉积核的混合剂量计算方法
CN114904164A (zh) 基于人工智能的放疗自动计划生成方法及装置
Sun et al. ATS/STA TRANSFER LINE DESIGN FOR THE ALS UPGRADE PROJECT (ALS-U)
Xie Bremsstrahlung Radiation Power in Fusion Plasmas Revisited: Towards Accurate Analytical Fitting

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant