Working to advance the nuclear renaissance｜原子力ルネサンスの推進に取り組む

現在、米国では94基の原子炉が稼働しており、これは世界で最も多い数であり、これらの設備は全米の電力供給の約20％を担っています。ディーン・プライス氏によれば、これは大きな成果ですが、彼は化石燃料依存の発電所に対する代替案が切実に求められているこの時期において、米国は原子力エネルギーからより多くのものを引き出す必要があると考えています。彼が原子力エンジニアとなったのも、この極めて重要な理由からです——すなわち、多大な需要があるこの時代に、原子力技術がその役割を果たし得ることを確実にすることでした。 「過去60年間、原子力エネルギーはわが国のエネルギーインフラの重要な部分を占めてきましたが、そのインフラを維持している人の数は極めて少ない」と語るのは、MIT（マサチューセッツ工科大学）の原子力科学工学部（NSE）の助教であり、アトランティック・リッチフィールドエネルギー研究講座教授であるプライス氏です。「原子力エンジニアになるということは、米国における無炭素エネルギー発電を担当する限られた人々の一人になることを意味します。」 それは彼が参加することを熱望していた使命であり、彼自身が定めた目標は決して謙虚なものではありませんでした。彼は既存の原子力発電所の安全性、経済性、信頼性を基盤として、新しいクラスの原子炉の設計と導入を支援したいと考えていました。 プライス氏はこの目標から決して揺るぐことはなく、その過程で励ましを受けてきました。彼は、「原子力工学のコミュニティは小さく結束力が強く、非常に歓迎的です。一度その世界に入ると、ほとんどの人は他のことをする気にならず、この分野に留まります」と語ります。 **物理プロセス間の関係性を明らかにする** アーバナ・シャンペーン校のイリノイ大学で学部生の最初の研究プロジェクトとして、プライス氏は使用済み燃料棒の安全性を研究しました。これらは水タンクで数年間冷却された後、鋼製およびコンクリート製のキャスクに保管されます。彼の分析により、この保管方法は非常に安全であることが示されましたが、これらの燃料キャスクを最終的にどう扱うか、特に長期処分に関する問題は、この国では未だに解決されていません。 2020年にミシガン大学で大学院研究を開始した後、プライス氏は現在も取り組んでいる異なる研究分野に取り組みました。マルチフィジックスモデリング（多物理場モデル）と呼ばれるこの研究領域では、原子炉の内部で同時に進行するさまざまな物理プロセスを調べ、それらがどのように相互作用するかを探ります。これは、これらのプロセスを一つずつ個別に研究する従来の手法に対する代替アプローチです。 重要なプロセスの一つである中性子物理学（neutronics）は、原子炉心内で中性子が飛び回り核分裂を引き起こす仕組みを扱い、これが電力の生成源となります。もう一つのプロセスである熱水力学（thermal hydraulics）は、中性子によって生成された熱を抽出するために原子炉を冷却するプロセスです。これらの2つのプロセスがどのように相互作用するかを分析するマルチフィジックスシミュレーション（multiphysics simulation）は、原子炉が電力を生成する際に運ばれる熱が中性子の挙動に与える影響を示す可能性があります。なぜなら、燃料が hotter であるほど、核分裂を引き起こしにくくなるからです。 「もし原子炉の出力レベルを変更したり、何か作業を行ったりしたい場合、燃料の温度は知っておく必要がある重要な入力値です」とプライス氏は語ります。「マルチフィジックスモデリングにより、核分裂に関する中性子物理学プロセスと温度という熱的特性を関連付けることができます。その結果、異なる条件下での原子炉の挙動を予測するのに役立ちます。」 現在稼働している1,000メガワット級の軽水炉（light water reactors）におけるマルチフィジックスモデリングは、プライス氏によればかなり確立されています。しかし、先進的な原子炉、すなわち20〜300MW程度の容量を持つ小規模モジュール型原子炉（small modular reactors: SMRs）や1〜20MWのマイクロリアクター（microreactors）をモデリングする手法は、まだ大きく遅れています。現在稼働しているこれらの原子炉の数は非常に限られていますが、プライス氏はこれらに注力しています。その理由は、電力と規模の柔軟性に加え、より安価かつ安全に電力を生成する可能性を持っているからです。 マルチフィジックスシミュレーションは原子力コミュニティに豊富な情報を提供してきたが、それらの解法にはスーパーコンピュータが必要であり、あるいは結合した極めて困難な非線形方程式の近似解を求める必要がある場合もある。計算負荷を大幅に軽減する目的で、プライス氏はこれらの負担の大きい方程式を完全に回避しながらも同様の回答を提供しうる人工知能（AI）のアプローチを積極的に探求している。これは、彼が2025年9月にMITの教員に加わって以来の研究課題の中核的なテーマとなっている。 **人工知能の重要な役割** 特に、人工知能や機械学習手法が得意とするのは、データ内に隠されたパターン、例えば原子力発電所の機能にとって重要な変数間の相関関係などを見つけることである。プライス氏によれば、「もしあなたが反応炉の出力レベルを教えてくれれば、AIは燃料温度を特定し、さらには炉心内の3次元温度分布さえも教えてくれるだろう」。もしこのプロセスが複雑な微分方程式を解くことなく行えるなら、計算コストは大幅に削減される可能性がある。 プライスは、AIが特に有用となるいくつかの応用分野を調査しています。例えば、新型原子炉の設計支援などが挙げられます。「その後、過去50年間に開発された安全フレームワークに依存して、提案された設計の安全性分析を実施できます」と彼は語ります。「このように、AIは安全上重要なシステムと直接インターフェースすることはありません。」彼の見解では、AIの役割は既存の手続きを置き換えるのではなく補完し、知識の既存のギャップを埋めるのを助けることです。 機械学習モデルに十分な量のデータを学習させることで、主要な物理プロセス間の関係をよりよく理解するのに役立ちます。これもまた、非線形微分方程式を解く必要はありません。 「これらの関係を明確に特定することで、初期段階でより良い設計判断を下すことができます」とプライスは言います。「そして、その技術が開発され導入された際、AIはより賢明な制御判断を下すのを助け、原子炉をより安全かつ経済的に運用することを可能にします。」 **彼を育ててくれたコミュニティへの還元** 要するに、彼の主要な目標の一つは、AIの恩恵を原子力産業にもたらすことであり、その可能性は広大でほとんど未開拓であると彼は見なしている。プライス氏はまた、MITの教授という立場にあることが、彼が描く原子力への未来に私たちがより近づくのを助けるのに適した立場であると信じている。彼の見方では、彼は次世代の原子炉を開発するだけでなく、分野における次世代のリーダーを準備するのを助けるためにも働いている。 プライス氏は、昨年秋にKEPCO実践原子力科学工学教授である[Curtis Smith](https://nse.mit.edu/people/curtis-smith/)と共同で教えた設計コースで、その「次世代」の有望なメンバーの一部と知り合った。プライス氏にとって、その出会いは数ヶ月間しかなかったが、それはMITの学生たちが非常に意欲が高く、勤勉で、能力があることを彼が発見するのに十分な長さだった。驚くべきことではないが、それらはまさに彼が自身の研究チームに加わる学生に見出したいと望むのと同じ資質である。 プライスは、この分野での最初の、慎重な一歩を踏み出した際に受けた支援を鮮明に思い出します。現在、彼は学部生から教授へと昇進し、その過程で豊富な知識を蓄えてきましたが、学生には「私がこの分野に入ったときに感じたのと同じような感覚」を体験してほしいと考えています。原子炉の設計と運用の改善という具体的な目標に加え、プライスは「私が当初から原子力工学を愛するようになった、同じような楽しさと健全な環境を引き継いでほしい」と語っています。

原子力ルネサンスの推進に取り組む

背景や根拠まで確認しますか？

このニュースを、実務の判断につなげる

調べる

選ぶ

サイト