핵반응로 중성자 활동장 재구성을 위한 최적 측정망 설계와 데이터 동화 기법

초록

본 논문은 데이터 동화(Data Assimilation) 프레임워크를 활용해 핵반응로 코어의 중성자 활동장을 모델과 실제 측정값을 결합해 최적 재구성하는 방법을 제시한다. 특히, 측정 장비의 배치를 최적화하는 역문제에 초점을 맞추어 메트로폴리스-헤이스팅스 기반의 시뮬레이티드 어닐링(Simulated Annealing) 알고리즘을 적용하였다. 계산 복잡도를 낮추기 위해 데이터 동화 과정에서 사용되는 행렬 연산을 대수적으로 개선한 기법도 함께 제안한다.

상세 분석

이 연구는 핵반응로 코어 내부의 중성자 활동장을 고정밀도로 추정하기 위해 두 가지 핵심 요소를 결합한다. 첫 번째는 물리 기반 수치 모델(예: 3차원 중성자 확산 방정식)과 실제 측정값을 통합하는 데이터 동화 기법이다. 데이터 동화는 베이즈 추정의 일종으로, 사전 모델 예측과 관측 오차 공분산을 이용해 최적 추정값을 도출한다. 여기서 핵심은 관측 행렬(H)과 오차 공분산 행렬(R), 모델 오차 공분산 행렬(B)의 정확한 정의와 효율적인 역연산이다.

두 번째는 관측 장비의 배치를 최적화하는 역문제이다. 측정 위치가 제한된 상황에서 어떤 배치가 데이터 동화 결과의 불확실성을 최소화하는가를 묻는 문제는 조합 최적화 문제에 해당한다. 저자들은 메트로폴리스-헤이스팅스 알고리즘을 기반으로 한 시뮬레이티드 어닐링을 선택했는데, 이는 전역 최적해를 탐색하면서도 지역 최적에 빠지는 위험을 완화한다. 온도 파라미터를 점진적으로 낮추는 냉각 스케줄은 탐색 공간을 넓게 샘플링하고, 최종적으로는 비용 함수(예: 추정 오차의 트레이스)를 최소화하는 배치를 찾는다.

계산 효율성을 위해 저자들은 데이터 동화에서 자주 등장하는 행렬 연산, 특히 대규모 코어 모델에서의 관측 연산자와 공분산 행렬의 곱셈을 대수적으로 변형하였다. 구체적으로는 행렬의 희소성(sparsity)과 대칭성을 활용해 차원 축소와 블록 대각화 기법을 적용했으며, 이를 통해 메모리 사용량과 연산 시간을 크게 감소시켰다. 이러한 개선은 시뮬레이티드 어닐링 과정에서 수천 번 반복되는 데이터 동화 평가를 실용적인 시간 안에 수행할 수 있게 한다.

실험 결과는 두 가지 시나리오(이상적인 관측 오차와 현실적인 센서 노이즈)를 통해 검증되었다. 최적 배치를 적용했을 때, 기존 균등 배치 대비 평균 제곱 오차가 30% 이상 감소했으며, 특히 코어 중심부와 경계부의 불확실성이 크게 줄어들었다. 이는 핵연료 관리와 안전 한계 평가에 직접적인 영향을 미칠 수 있다. 또한, 제안된 대수적 개선이 적용된 데이터 동화는 기존 구현 대비 5배 이상 빠른 수렴 속도를 보였다.

이 논문의 주요 기여는 (1) 측정망 설계와 데이터 동화를 동시에 고려한 통합 최적화 프레임워크, (2) 시뮬레이티드 어닐링 기반의 전역 최적화 알고리즘 적용, (3) 대규모 핵반응로 모델에 적합한 행렬 연산 최적화 기법이다. 향후 연구에서는 실시간 운영 데이터와 연계한 적응형 측정망 재구성, 그리고 다중 물리 현상(열·유동·중성자)의 공동 동화 확장이 기대된다.