Energia nucleare e sicurezza: i supercomputer decodificano il caos dei reattori (e mandano in pensione i vecchi modelli)

Quando si parla di sicurezza nucleare, l’immaginario collettivo corre quasi sempre a spessi muri di cemento armato e sistemi di backup ridondanti. C’è però un elemento della sicurezza molto meno visibile, ma infinitamente più insidioso da gestire: il caos. O per meglio dire, la turbolenza dei fluidi e dei gas all’interno del reattore e delle sue strutture di contenimento.

Fino a ieri, i modelli informatici tendevano a “smussare” questa caoticità, offrendo approssimazioni che, per quanto utili, non potevano cogliere i micro-dettagli termici. Oggi, i ricercatori dell’Argonne National Laboratory (parte del Dipartimento dell’Energia USA) stanno scambiando le vecchie stime con la potenza bruta dei supercomputer, dimostrando che il segreto per un futuro energetico stabile e a zero emissioni passa proprio dal controllo matematico della turbolenza.

La gestione del caos termico e dei gas

In un reattore, la turbolenza determina come si trasferisce il calore e come si mescolano i gas. Durante incidenti rari e severi, come quello di Fukushima del 2011, il modo in cui il pericoloso idrogeno gassoso si mescola con l’aria diventa una questione di sicurezza strutturale e nazionale. Per non lasciare nulla all’approssimazione, il team di Argonne ha deciso di impiegare due strumenti di fluidodinamica computazionale (CFD) open-source di altissimo livello:

• Nek5000: uno strumento consolidato che esegue simulazioni precise lavorando principalmente su CPU (Central Processing Units).
• NekRS: la più recente evoluzione, ottimizzata per lavorare sulle GPU (Graphics Processing Units). Le GPU permettono di gestire flussi enormi di calcoli simultaneamente, tagliando drasticamente i tempi delle simulazioni.

Il test “alla cieca”: fidarsi dei dati

Come ci si può affidare a una simulazione digitale per gestire un disastro reale? Semplice, si esegue un test in cui non si conoscono le risposte. Attraverso l’esperimento internazionale PANDA, promosso dall’Agenzia per l’Energia Nucleare (NEA) dell’OCSE, i ricercatori hanno affrontato un “blind benchmark” (un test alla cieca). Avendo a disposizione solo la forma di un serbatoio e le condizioni termiche di partenza, il team di Argonne ha dovuto prevedere l’esatto comportamento dei flussi prima ancora di poter visionare i risultati fisici sperimentali. Il risultato è stato un successo assoluto, dimostrando l’accuratezza estrema e l’affidabilità dei loro modelli.

Simulazione del movimento dei fluidi nel caso della fuoriuscita di vapori da Fukushima -. Argonne Laboratory

L’impatto economico e regolatorio

Questo approccio pragmatico ha attirato immediatamente l’attenzione della Nuclear Regulatory Commission (NRC) degli Stati Uniti. I regolatori, infatti, necessitano di strumenti infallibili per valutare geometrie di contenimento complesse, laddove i software tradizionali falliscono o restituiscono dati dubbi. “I regolatori hanno bisogno di strumenti di cui potersi fidare, specialmente per scenari rari che sono difficili da testare fisicamente”, ha spiegato Aleksandr Obabko, scienziato computazionale di Argonne.

Qui emerge l’enorme vantaggio economico, in un’ottica prettamente keynesiana di ottimizzazione degli investimenti e sviluppo infrastrutturale. Migliorando l’accuratezza dei “gemelli digitali“, si riduce drasticamente la necessità di condurre lenti e costosissimi esperimenti fisici. Questo si traduce in un iter burocratico e normativo molto più rapido per l’approvazione dei reattori commerciali di nuova generazione: meno costi di ricerca improduttiva, più efficienza energetica. Un modello del genere permette di simulare direttamente, in modo affidabile, il comportamento di gas e vapori in caso di fuga radioattia o di incidente, permettendo quindi di predisporre le contromisure.

Il futuro su Aurora

Il prossimo passo del programma NEAMS (Nuclear Energy Advanced Modeling and Simulation) è trasferire il grosso di queste operazioni su Aurora, uno dei supercomputer più potenti mai costruiti al mondo. Spostando l’onere del calcolo sulle velocissime GPU, il team sta comprimendo settimane di lavoro in pochi giorni. Guardando avanti, l’integrazione di intelligenza artificiale e machine learning permetterà di automatizzare e potenziare ulteriormente la capacità predittiva. Come ha sottolineato l’ingegnere nucleare Dillon Shaver: “Sfruttando il calcolo ad alte prestazioni, non stiamo solo risolvendo i problemi di oggi, ma stiamo gettando le basi per il futuro dell’energia nucleare”.

Rimani aggiornato seguendoci su Google News!

SEGUICI