ReactorFold: KI entdeckt neue Kernreaktor-Designs durch physikalisches Denken

Mit dem neuen Framework ReactorFold wird die Gestaltung von Kernreaktor-Kernen neu definiert. Anstatt in vorgegebenen, von Menschen festgelegten Konfigurationsräumen zu suchen, wandelt ReactorFold die Aufgabe in ein Sequenzmodellierungsproblem um und nutzt dafür moderne Sprachmodelle.

Das System basiert auf Monte-Carlo-Simulationen, die eine große Menge an neutronicen Daten liefern. Durch parameter‑effizientes Fine‑Tuning und Direct Preference Optimization (DPO) lernt das Modell die latente Struktur von Druckwasserreaktor‑Assemblies und kann in einem einzigen Forward‑Pass neue Layout‑Kandidaten generieren.

Ein bemerkenswertes Ergebnis ist die emergente Erweiterung des Design‑Raums: Obwohl das Modell ausschließlich mit Konfigurationen trainiert wurde, die eine feste Anzahl an Gadolinium‑Absorbern enthalten, passt es eigenständig die Gadolinium‑Bestände an, um strenge Power‑Peaking‑Beschränkungen zu erfüllen. Darüber hinaus entdeckt es hochleistungsfähige asymmetrische Anordnungen, die herkömmliche symmetrische Ladeheuristiken herausfordern und bislang unerreichbare Design‑Regime öffnen.

ReactorFold zeigt damit, dass Sprachmodelle nicht nur Muster reproduzieren, sondern kausale physikalische Zusammenhänge internalisieren und über menschlich festgelegte Grenzen hinausgehen können. Diese Fähigkeit eröffnet neue Perspektiven für die effiziente und innovative Entwicklung von Kernreaktoren.