Inteligencia artificial aplicada a simulaciones atomicas de temas nucleares

Autores
Pascuet, María Inés Magdalena; Castin, Nicolás; Malerba, Lorenzo
Año de publicación
2010
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
La principal causa de endurecimiento y fragilización de un reactor nuclear bajo presión es la formación de precipitados ricos en cobre, porque actúan como obstáculo para el movimiento de las dislocaciones. El método de Monte Carlo cinético atomístico (AKMC) es una herramienta ampliamente utilizada para el estudio de para el estudio de la difusión controlada por la microestructura y la evolución microquímica en el envejecimiento de aceros bajo irradiación. Se desarrolla un novedoso método de Inteligencia Artificial, mediante redes neuronales artificiales (ANN) para calcular las energías de migración de defectos puntuales. Se utilizan potenciales interatómicos que tienen en cuenta efectos de relajación de largo rango. El propósito de este trabajo es la aplicación de este método para el cálculo de los coeficientes de difusión, frecuencias de salto y tiempo de vida de clusters de Cu-vacancias y en un entorno de Fe-Ni y de Fe puro
The formation of copper-rich precipitates under irradiation is accepted to be among the main causes of hardening and embrittlement of reactor pressure vessel steels during operation, in consequence of their acting as obstacles to dislocation motion. Atomistic kinetic Monte Carlo (AKMC) methods are widespread tools to study diffusion-controlled microestructural and microchemical evolution in alloys during thermal ageing under irradiation. A novel AKMC was developed, that utilizes artificial neuronal networks (ANN) to calculate the point-defects migration energies, talking all the long-ranged relaxation effects, as predicted by a given interatomic potential, into account. The propose of this work is the application of the method to the calculation of the diffusion coefficients, jumps frequencies and lifetimes of Cu-vacancies clusters in Fe and in Fe-Ni environments
Fil: Pascuet, María Inés Magdalena. Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET). CABA. Argentina
Fil: Castin, Nicolás. SCK-CEN. Mol. Bélgica
Fil: Malerba, Lorenzo. SCK-CEN. Mol. Bélgica
Fuente
An. (Asoc. Fís. Argent., En línea) 2010;01(22):124-127
Materia
FE-0.75%NI
INTELIGENCIA ARTIFICIAL
AKMC
SIMULACIONES ATOMICAS
FE-0.75%NI
ARTIFICIAL INTELLIGENCE
AKMC
ATOMISTIC SIMULATIONS
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar
Repositorio
Biblioteca Digital (UBA-FCEN)
Institución
Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
OAI Identificador
afa:afa_v22_n01_p124

id BDUBAFCEN_70e20287008b9b043b9d38dc4e3a6129
oai_identifier_str afa:afa_v22_n01_p124
network_acronym_str BDUBAFCEN
repository_id_str 1896
network_name_str Biblioteca Digital (UBA-FCEN)
spelling Inteligencia artificial aplicada a simulaciones atomicas de temas nuclearesApplication of an artificial intelligence aided atomistic simulation to nuclear related problemsPascuet, María Inés MagdalenaCastin, NicolásMalerba, LorenzoFE-0.75%NIINTELIGENCIA ARTIFICIALAKMCSIMULACIONES ATOMICASFE-0.75%NIARTIFICIAL INTELLIGENCEAKMCATOMISTIC SIMULATIONSLa principal causa de endurecimiento y fragilización de un reactor nuclear bajo presión es la formación de precipitados ricos en cobre, porque actúan como obstáculo para el movimiento de las dislocaciones. El método de Monte Carlo cinético atomístico (AKMC) es una herramienta ampliamente utilizada para el estudio de para el estudio de la difusión controlada por la microestructura y la evolución microquímica en el envejecimiento de aceros bajo irradiación. Se desarrolla un novedoso método de Inteligencia Artificial, mediante redes neuronales artificiales (ANN) para calcular las energías de migración de defectos puntuales. Se utilizan potenciales interatómicos que tienen en cuenta efectos de relajación de largo rango. El propósito de este trabajo es la aplicación de este método para el cálculo de los coeficientes de difusión, frecuencias de salto y tiempo de vida de clusters de Cu-vacancias y en un entorno de Fe-Ni y de Fe puroThe formation of copper-rich precipitates under irradiation is accepted to be among the main causes of hardening and embrittlement of reactor pressure vessel steels during operation, in consequence of their acting as obstacles to dislocation motion. Atomistic kinetic Monte Carlo (AKMC) methods are widespread tools to study diffusion-controlled microestructural and microchemical evolution in alloys during thermal ageing under irradiation. A novel AKMC was developed, that utilizes artificial neuronal networks (ANN) to calculate the point-defects migration energies, talking all the long-ranged relaxation effects, as predicted by a given interatomic potential, into account. The propose of this work is the application of the method to the calculation of the diffusion coefficients, jumps frequencies and lifetimes of Cu-vacancies clusters in Fe and in Fe-Ni environmentsFil: Pascuet, María Inés Magdalena. Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET). CABA. ArgentinaFil: Castin, Nicolás. SCK-CEN. Mol. BélgicaFil: Malerba, Lorenzo. SCK-CEN. Mol. BélgicaAsociación Física Argentina2010info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfhttps://hdl.handle.net/20.500.12110/afa_v22_n01_p124An. (Asoc. Fís. Argent., En línea) 2010;01(22):124-127reponame:Biblioteca Digital (UBA-FCEN)instname:Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturalesinstacron:UBA-FCENspainfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar2025-11-06T09:35:58Zafa:afa_v22_n01_p124Institucionalhttps://digital.bl.fcen.uba.ar/Universidad públicaNo correspondehttps://digital.bl.fcen.uba.ar/cgi-bin/oaiserver.cgiana@bl.fcen.uba.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:18962025-11-06 09:35:59.74Biblioteca Digital (UBA-FCEN) - Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturalesfalse
dc.title.none.fl_str_mv Inteligencia artificial aplicada a simulaciones atomicas de temas nucleares
Application of an artificial intelligence aided atomistic simulation to nuclear related problems
title Inteligencia artificial aplicada a simulaciones atomicas de temas nucleares
spellingShingle Inteligencia artificial aplicada a simulaciones atomicas de temas nucleares
Pascuet, María Inés Magdalena
FE-0.75%NI
INTELIGENCIA ARTIFICIAL
AKMC
SIMULACIONES ATOMICAS
FE-0.75%NI
ARTIFICIAL INTELLIGENCE
AKMC
ATOMISTIC SIMULATIONS
title_short Inteligencia artificial aplicada a simulaciones atomicas de temas nucleares
title_full Inteligencia artificial aplicada a simulaciones atomicas de temas nucleares
title_fullStr Inteligencia artificial aplicada a simulaciones atomicas de temas nucleares
title_full_unstemmed Inteligencia artificial aplicada a simulaciones atomicas de temas nucleares
title_sort Inteligencia artificial aplicada a simulaciones atomicas de temas nucleares
dc.creator.none.fl_str_mv Pascuet, María Inés Magdalena
Castin, Nicolás
Malerba, Lorenzo
author Pascuet, María Inés Magdalena
author_facet Pascuet, María Inés Magdalena
Castin, Nicolás
Malerba, Lorenzo
author_role author
author2 Castin, Nicolás
Malerba, Lorenzo
author2_role author
author
dc.subject.none.fl_str_mv FE-0.75%NI
INTELIGENCIA ARTIFICIAL
AKMC
SIMULACIONES ATOMICAS
FE-0.75%NI
ARTIFICIAL INTELLIGENCE
AKMC
ATOMISTIC SIMULATIONS
topic FE-0.75%NI
INTELIGENCIA ARTIFICIAL
AKMC
SIMULACIONES ATOMICAS
FE-0.75%NI
ARTIFICIAL INTELLIGENCE
AKMC
ATOMISTIC SIMULATIONS
dc.description.none.fl_txt_mv La principal causa de endurecimiento y fragilización de un reactor nuclear bajo presión es la formación de precipitados ricos en cobre, porque actúan como obstáculo para el movimiento de las dislocaciones. El método de Monte Carlo cinético atomístico (AKMC) es una herramienta ampliamente utilizada para el estudio de para el estudio de la difusión controlada por la microestructura y la evolución microquímica en el envejecimiento de aceros bajo irradiación. Se desarrolla un novedoso método de Inteligencia Artificial, mediante redes neuronales artificiales (ANN) para calcular las energías de migración de defectos puntuales. Se utilizan potenciales interatómicos que tienen en cuenta efectos de relajación de largo rango. El propósito de este trabajo es la aplicación de este método para el cálculo de los coeficientes de difusión, frecuencias de salto y tiempo de vida de clusters de Cu-vacancias y en un entorno de Fe-Ni y de Fe puro
The formation of copper-rich precipitates under irradiation is accepted to be among the main causes of hardening and embrittlement of reactor pressure vessel steels during operation, in consequence of their acting as obstacles to dislocation motion. Atomistic kinetic Monte Carlo (AKMC) methods are widespread tools to study diffusion-controlled microestructural and microchemical evolution in alloys during thermal ageing under irradiation. A novel AKMC was developed, that utilizes artificial neuronal networks (ANN) to calculate the point-defects migration energies, talking all the long-ranged relaxation effects, as predicted by a given interatomic potential, into account. The propose of this work is the application of the method to the calculation of the diffusion coefficients, jumps frequencies and lifetimes of Cu-vacancies clusters in Fe and in Fe-Ni environments
Fil: Pascuet, María Inés Magdalena. Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET). CABA. Argentina
Fil: Castin, Nicolás. SCK-CEN. Mol. Bélgica
Fil: Malerba, Lorenzo. SCK-CEN. Mol. Bélgica
description La principal causa de endurecimiento y fragilización de un reactor nuclear bajo presión es la formación de precipitados ricos en cobre, porque actúan como obstáculo para el movimiento de las dislocaciones. El método de Monte Carlo cinético atomístico (AKMC) es una herramienta ampliamente utilizada para el estudio de para el estudio de la difusión controlada por la microestructura y la evolución microquímica en el envejecimiento de aceros bajo irradiación. Se desarrolla un novedoso método de Inteligencia Artificial, mediante redes neuronales artificiales (ANN) para calcular las energías de migración de defectos puntuales. Se utilizan potenciales interatómicos que tienen en cuenta efectos de relajación de largo rango. El propósito de este trabajo es la aplicación de este método para el cálculo de los coeficientes de difusión, frecuencias de salto y tiempo de vida de clusters de Cu-vacancias y en un entorno de Fe-Ni y de Fe puro
publishDate 2010
dc.date.none.fl_str_mv 2010
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.12110/afa_v22_n01_p124
url https://hdl.handle.net/20.500.12110/afa_v22_n01_p124
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Asociación Física Argentina
publisher.none.fl_str_mv Asociación Física Argentina
dc.source.none.fl_str_mv An. (Asoc. Fís. Argent., En línea) 2010;01(22):124-127
reponame:Biblioteca Digital (UBA-FCEN)
instname:Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
instacron:UBA-FCEN
reponame_str Biblioteca Digital (UBA-FCEN)
collection Biblioteca Digital (UBA-FCEN)
instname_str Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
instacron_str UBA-FCEN
institution UBA-FCEN
repository.name.fl_str_mv Biblioteca Digital (UBA-FCEN) - Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
repository.mail.fl_str_mv ana@bl.fcen.uba.ar
_version_ 1848046025707618304
score 13.084122