[論文レビュー] Stochastic Point Kinetics Model of Circulating-Fuel Reactors under Perfect Mixing Approximation

Lubomír Bureš, Valeria Raffuzzi|arXiv (Cornell University)|Jan 30, 2026

Nuclear reactor physics and engineering被引用数 0

ひとこと要約

要約: 輪流燃料炉 CFR における低個体動態の確率的枠組みを開発し、二容積完ム混合点反応モデルから Ito SDE を導出、Analog Monte Carlo と Milstein ベースのソルバーの両方を実装。平均軌道は決定論的解と一致するが、DNP ノイズを無視したためいくつかの領域で DNP 分散が過小評価され、反応率損失推定量が負バイアスを持つ。

ABSTRACT

We present a stochastic framework for low-population dynamics in circulating-fuel reactors (CFRs) that captures delayed-neutron precursor (DNP) transport without delay terms. Starting from a modified point-kinetics model with two perfectly-mixed volumes, we derive equivalent discrete-event dynamics and an Itô stochastic differential equation (SDE) system. Two solvers are implemented: an analog Monte Carlo (AMC) engine and a semi-implicit Milstein SDE solver. Transient benchmarks demonstrate perfect agreement of AMC/SDE means with deterministic solutions, while revealing that the SDE approach underestimates DNP variances in selected regimes, potentially due to the neglect of DNP noise. We further recast reactivity loss due to precursor drift in this stochastic setting and show that its estimator is negatively biased. Overall, the developed framework provides a minimal yet representative model for CFR low-population kinetics. Future work will re-derive and test SDE noise terms and apply the framework to selected transient applications such as start-up analyses of CFRs.

研究の動機と目的

• Delay terms without delays を使わず CFR の低個体動態を動機づけ、モデル化する。
• コアとエクスコア領域間の前駆体輸送を捉えるため、二容積の改良点反応動力学を拡張する。
• CFR ダイナミクスの二つの確率的ソルバー（AMC と SDE Milstein）を開発・比較する。
• 確率的手法を決定論的解と比較し、分散挙動と推定量のバイアスを評価する。

提案手法

• neutron および遅延中性子前駆体集団をコアとエクスコア領域に持つ二容積改良点反応動力学モデルと同等の確率過程を定式化する。
• 拡散項 D(t) を組み込み、N, C_c, C_e の Ito SDE 系を導出する。 Milstein 型離散化を含む。
• Table 1 のイベントを明示的にシミュレートする analog Monte Carlo (AMC) ソルバー（MARS）を実装する。
• 決定論的初期解に基づく非 uniform 時間 stepping を用いた半剰余 Milstein SDE ソルバーを実装する。
• Ramp リアクティビティ過渡を用いて AMC および SDE ソルバーを決定論的解と比較し、分散とバイアスを検証する。
• 前駆体ドリフトによるリアクティビティ損失と、それが確率的 CFR 架構内での推定量に与える負のバイアスを議論する。

実験結果

リサーチクエスチョン

• RQ1 Explicit delay terms を伴わない二容積完ム混合 CFR モデルは低個体 stochastic dynamics を再現できるか？
• RQ2 CFR ダイナミクスにおける平均軌道と分散の観点で AMC と Ito SDE Milstein ソルバーはどう比較されるか？
• RQ3 SDE 公式化で DNP ノイズを無視すると DNP 分散は過小評価されるか、どのような領域でそうなるか？
• RQ4 確率的 CFR ダイナミクスに基づくリアクティビティ損失推定量の挙動はどうなるか、平均化によるバイアスが生じるか？

主な発見

• AMC および SDE 解により得られた平均中性子軌道と前駆体軌道は決定論的解と一致する。
• SDE ソルバーによる分散は一部領域で DNP 分散を過小評価する。
• DNP ドリフトによるリアクティビティ損失推定量にネガティブバイアスが観測される（その場で計算時に）。
• リアクティビティ損失推定量は O(1/N0^2) のオーダーで決定論的値へ収束し、分散は特定の解析でおおよそ O(1/N0) となる。
• 大規模集団では AMC と SDE の分散は整合するが、特定の前駆体構成（in-core vs ex-core）で相違が生じる。
• SDE 公式化における DNP ノイズ欠如が分散過小評価の潜在的原因として特定され、将来の改良課題として強調される。