[1C08-10] Natural Barrier

[1C09] The application of Machine learning for reducing the computational load in the particle tracking simulation

Reduction of the computational load by identifying the path line

*Keita Sumiki¹, Takumi Saito² (1. Nuclear Engineering and Management,Graduate School of Engineering, Univ. of Tokyo , 2. Nuclear Professional School,Graduate School of Engineering, Univ. of Tokyo )

Keywords:Geological disposal, natural barrier, machine learning, discrete fracture network, particle tracking

高レベル放射性廃棄物の処分法として地層処分が検討されている。地層処分の長期安全性は人工バリアと天然バリア（母岩）の持つ遅延機構によって担保され，核種移行解析によって評価される。特に、我が国における母岩の代表的な候補の１つが結晶質岩であり、そこでの核種移行は割れ目ネットワーク（DFN）中の輸送としてモデル化できる。しかしながら、DFNを用いた詳細な核種移行解析は多大な時間を要するため、処分場から地表までの広域スケールへの適用には、計算負荷の低減が必要となる。一方、DFN中には、多くの輸送が生じる主要経路が存在することが知られており、事前に主要経路を予測し、核種の移行への影響が小さい亀裂を除くことで、計算負荷の低減が期待できる。本研究ではグラフ理論による亀裂ネットワークの解析と予測手段としての機械学習を組み合わせ、計算負荷の低減を試みた。