[2E01-04] データ科学・機械学習による燃料研究・高速炉リサイクル

[2E03] MOX燃料ペレットの機械学習焼結密度予測モデル

*中嶋 竜矢¹、土持 亮太¹、加藤 正人¹、廣岡 瞬¹、渡部 雅¹、中道 晋哉¹、村上 龍敏¹、石井 克典¹ (1. JAEA)

キーワード：機械学習、高速炉、MOX燃料、燃料ペレット

MOX燃料は、粉末物性の異なる複数の原料粉末を用いて、多くの製造工程を経て製造される。各製造パラメータは製品ペレットの品質に複雑に影響するため、製造条件は、経験則に基づき設定されるものも多い。原子力機構では、ＭＯＸ燃料製造のより深い理解のため、昨年度より機械学習による焼結密度予測モデルの開発に着手し、これまでの製造データから焼結密度予測モデルを作成した。既存の予測モデルでは、学習用データの範囲内の条件では高い精度で予測を行えたが、範囲外では予測精度が低かった。この要因として、予測モデルが学習用データに過剰に適合し、汎化性能が失われてしまったためと考えられる。そこで本研究では、汎化性能の改善を目的として、学習用データのうち、寄与の大きなパラメータのみを学習データとして抽出・使用し、新規モデルを作成した。本発表では、これらの成果について報告する。