TRISO 연료 버퍼층을 위한 새로운 대리 미세구조 생성기

초록

본 논문은 가우시안 랜덤 필드와 Matérn 커널을 이용해 타원형 포함체를 랜덤 워크로 군집화한 토폴로지 지원 필드를 결합한 대리 미세구조 생성기를 제안한다. 파라미터는 실제 FIB‑SEM 데이터와 통계·기하학적 지표 간 차이를 최소화하는 최적화 과정(EGO)으로 식별한다. TRISO 연료 입자의 버퍼층에 적용해 다양한 공극률에서 선형 탄성 동질화와 취성 파괴 해석을 수행했으며, 생성된 대리 구조가 실험 데이터와 높은 일치를 보임을 확인하였다.

상세 분석

이 연구는 다공성 재료, 특히 핵연료 입자 내 버퍼층의 미세구조를 효율적으로 재현할 수 있는 확률적 생성 모델을 설계한 점에서 의미가 크다. 먼저, 두 단계의 레벨셋 함수를 도입한다. 하나는 타원형 포함체(ellipsoids)를 무작위 보행(random walk) 알고리즘으로 배치해 복잡한 클러스터 형태를 만들고, 이를 토폴로지 지원 필드(ϕ_T)라 명명한다. 무작위 보행은 초기 시드 포인트를 균일분포에서 추출하고, 각 단계마다 로그정규분포로 길이를, 정규분포로 방향 변화를 적용한다. 포크(fork) 메커니즘을 추가해 절반 단계 이후 90° 회전된 경로를 생성함으로써 오목형(pore) 구조를 강화한다. 두 번째는 Matérn 커널을 갖는 가우시안 랜덤 필드(ϕ_GRF)로, 매끄러움 파라미터 ν와 상관 길이 l을 조절해 노이즈 수준 α를 정의한다. 최종 레벨셋 ϕ_S는 (1‑α)·ϕ_T + α·ϕ_GRF 로 가중합되며, 임계값 τ에 의해 두 상(공극·매트릭스)으로 이진화된다.

파라미터 식별은 N개의 기술 지표(p_i)와 가중치(α_i)를 사용해 실험 이미지와 생성 이미지 사이의 거리 d_i를 합산한 목적함수 J(θ)=∑α_i d_i(p_i(χ_D), p_i(χ_S(θ))) 를 최소화한다. 여기서 사용된 지표는 2‑점 상관함수, 라인얼 패스 함수, 공극 면적·크기·타원도, 그리고 토폴로지적 연결성 등이다. 최적화는 효율적인 전역 탐색 기법인 Efficient Global Optimization(EGO)을 적용해 파라미터 공간을 샘플링하고, 베이지안 서리게이트 모델을 통해 기대 개선량(EI)을 최대화한다.

생성된 대리 구조는 실제 FIB‑SEM 토모그래피 데이터와 동일한 공극률 구간(≈10‑30%)에서 선형 탄성 모듈러스와 취성 파괴 응력(peak brittle fracture stress)을 비교하였다. 동질화 해석은 FFT‑기반 주기적 경계조건을 사용해 유효 탄성계수를 추정했고, 파괴 해석은 선형 탄성-취성(LEFM) 모델에 기반한 에너지 방출률을 계산했다. 결과는 대리 구조가 실험 구조와 5% 이내의 오차로 일치함을 보여, 통계적·기계적 특성을 동시에 재현할 수 있음을 증명한다.

이 방법의 장점은 (1) 파라미터가 물리적 의미(타원형 비율, 클러스터 수, 노이즈 수준 등)를 갖고 있어 해석적 해석이 가능하고, (2) 한 번의 파라미터 식별 후 무한히 많은 샘플을 저비용으로 생성할 수 있다는 점이다. 또한, 기존의 구형 입자 패킹, 순수 GRF 기반, 혹은 GAN 기반 방법과 비교해 (i) 형태 다양성, (ii) 파라미터 해석성, (iii) 데이터 요구량 면에서 균형을 이룬다. 다만, 현재 구현은 2‑D 단면에 국한돼 있으며, 3‑D 확장 시 클러스터링 알고리즘과 레벨셋 연산의 계산 복잡도가 증가할 수 있다. 향후 연구에서는 다중 스케일 토폴로지 지원, 비등방성 커버리언스 함수 도입, 그리고 방사선 손상에 따른 공극 진화 모델과의 연계를 목표로 한다.