深度学习模型克服了同位素生产目标冷却系统实际测量的挑战

当粒子束击中同位素生产设施中的目标时，它会产生热量，这些热量通过水通道排出。目标和流动的水之间的热量传递会产生过冷流动沸腾。这是一种蒸发和冷凝同时发生的情况。如果没有足够的冷却，温度就会达到临界点，从而熔化并摧毁目标。

研究人员希望测试同位素生产设施中冷却系统的极限。然而，目标辐照期间的辐射水平太高，无法进行真实世界的测量。相反，研究人员建造了一个模拟装置来收集温度和沸腾的高速视频。他们用深度学习工具分析了测量结果，并利用结果验证了一个预测这些复杂系统中沸腾的模型。

该项研究成果发表在《国际传热与传质杂志》上。

同位素生产设施使用靶材来制造支持医学成像、癌症治疗和其他应用的同位素。粒子加速器和同位素生产设施依靠冷却来确保靶材系统在辐照期间正常运行。洛斯阿拉莫斯中子科学中心 (LANSCE) 同位素生产设施的靶材系统依靠靶材系统中的一系列水通道在靶材辐照时去除热量。

考虑到与生物学的联系，研究人员使用一种原本设计用于跟踪生物细胞活动的深度学习工具来研究水冷却。该工具分析了水中的气泡作为沸腾的指标，跟踪了气泡的形成、大小和运动。

利用改进后的算法，该团队从高速视频中提取了临界气泡参数，使研究人员能够开发和验证一个框架来预测完整的沸腾曲线。研究人员随后证实，目前的运行情况远低于预测的临界热通量。

该模型可扩展用于复杂多目标和冷却通道几何形状的全面建模，并可能使世界各地不同加速器缺乏光束监测的其他粒子加速器靶应用和同位素生产设施受益。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！