我的新闻

核能作为清洁能源的重要组成部分，其安全性与经济性高度依赖燃料性能的优化。传统UO₂燃料热导率低、铀密度不足，限制了核反应堆效率与事故容错能力。UN-U₃Si₂复合燃料因兼具高热导率、高铀密度及优异抗水氧化性能，被视为新一代事故容错燃料的理想候选。然而，如何通过微观结构设计同时提升其机械强度与热导率，仍是材料科学与核能工程领域的重大挑战。

近日，西安交通大学材料学院邓俊楷教授课题组与中国核动力研究设计院合作，提出了一种融合人工智能与多尺度模拟的创新方法，成功实现了UN-U₃Si₂复合燃料抗压强度与热导率的双目标优化设计。研究团队通过改进的QSGS方法结合高通量有限元模拟，构建了UN-U₃Si₂复合燃料“微观组织-性能”的共15,000组的关联关系数据集。随后，基于该数据集训练的深度卷积神经网络模型对复合燃料抗压强度与热导率的预测误差分别低于3%和0.3%，并通过显著性相关图与皮尔逊相关系数挖掘了调控性能的关键微结构特征。最后，本研究进一步结合了梯度提升回归树与NSGA-Ⅲ多目标优化算法，设计出在75%体积分数下兼具高机械强度与高热导率的优化微观结构，为高性能核燃料的理性设计提供了新范式。此项工作不仅为事故容错燃料的微观结构设计与性能优化提供了高效工具，也为多目标驱动的复合材料智能设计开辟了新路径，有望推动核能材料研发从“试错法”向“数据驱动”的范式转变。

本项研究成果近期以“Bi-objective optimization of compressive strength and thermal conductivity for UN-U₃Si₂ composite fuel based on AI techniques”为题发表在SCI期刊《Journal of Materials Research and Technology》（IF=6.2）。西安交通大学为论文第一作者及第一通讯单位，材料学院邓俊楷教授课题组的硕士生宋天宇为第一作者，邓俊楷教授与核动力研究设计院肖红星研究员为共同通讯作者。研究获国防科工局重点实验室稳定支持计划资助，并得到西安交通大学校级高性能计算平台的算力支持。

论文链接：https://doi.org/10.1016/j.jmrt.2025.03.110