Core Concepts
Proper Generalized Decomposition (PGD)을 이용하여 중성자 수송 문제의 축방향 및 반경방향 차원을 분리하고, 이를 통해 경수로 벤치마크 문제에 대한 효율적인 축소 모델을 개발하였다.
Abstract
이 논문에서는 Proper Generalized Decomposition (PGD) 기법을 사용하여 중성자 수송 문제의 축방향 및 반경방향 차원을 분리하는 새로운 방법을 제안하였다.
먼저, 축방향 PGD 모델을 도출하여 축방향 z와 축방향 진행 방향 ϑ를 분리하였다. 이어서 축방향-극좌표 PGD 모델을 도출하여 축방향 z와 극좌표 각도 μ를 분리하였다. 또한 에너지 E 의존성을 축방향 또는 반경방향 모드에 할당하는 등 총 6가지 2D/1D PGD 축소 모델을 제시하였다.
이렇게 개발된 PGD 축소 모델들을 경수로 벤치마크 문제에 적용하여 성능을 평가하였다. 그 결과 축방향-극좌표 PGD 모델이 축방향 PGD 모델보다 더 효율적인 것으로 나타났다. 이는 기존 2D/1D 방법론에 비해 정확도, 계산 속도, 적용 범위 등에서 개선된 성능을 보여준다.
Stats
경수로 벤치마크 문제에 대한 PGD 축소 모델의 수렴성이 확인되었다.
축방향-극좌표 PGD 모델이 축방향 PGD 모델보다 더 효율적인 것으로 나타났다.
Quotes
"Proper Generalized Decomposition (PGD)을 이용하여 중성자 수송 문제의 축방향 및 반경방향 차원을 분리하는 새로운 방법을 제안하였다."
"기존 2D/1D 방법론에 비해 PGD 축소 모델이 정확도, 계산 속도, 적용 범위 등에서 개선된 성능을 보여준다."