Аннотация:
Обзор содержит описание cовременных методов и результатов проектирования новых материалов атомной энергетики. Первая часть, представленная в данном обзоре, содержит описание первопринципных квантовых методов расчета свойств материалов, описаны строгие и приближенные квантовые методы (метод функционала плотности) для возможности предсказания свойств материалов на основе суперкомпьютерных расчетов и распространенные пакеты численного моделирования для высокопроизводительных кластеров, а также базы данных первопринципных расчетов, существующие в мире. С накоплением большого количества трудоемких квантовых расчетов все более эффективными становятся методы искусственного интеллекта, в частности методы машинного обучения, результаты использования которого для проектирования материалов представлены в обзоре. Приведены результаты квантового моделирования бинарных систем железа, хрома и никеля. Вторая часть обзора посвящена квантовому моделированию жидких и плазменных состояний вещества в реакторах, а также экспериментальным исследованиям материалов атомной энергетики. Третья часть обзора посвящена неравновесной плазме, образующейся в реакторах вследствие вторичных процессов при торможении быстрых частиц.
Образец цитирования:
И. А. Абрикосов, Э. Е. Сон, Б. О. Мухамедов, А. В. Хван, “Проектирование материалов атомной энергетики: первопринципные расчеты и методы искусственного интеллекта”, ТВТ, 58:6 (2020), 915–950; High Temperature, 58:6 (2020), 907–937
\RBibitem{AbrSonKhv20}
\by И.~А.~Абрикосов, Э.~Е.~Сон, Б. О. Мухамедов, А.~В.~Хван
\paper Проектирование материалов атомной энергетики: первопринципные расчеты и~методы искусственного интеллекта
\jour ТВТ
\yr 2020
\vol 58
\issue 6
\pages 915--950
\mathnet{http://mi.mathnet.ru/tvt11471}
\crossref{https://doi.org/10.31857/S0040364420060022}
\elib{https://elibrary.ru/item.asp?id=44367158}
\transl
\jour High Temperature
\yr 2020
\vol 58
\issue 6
\pages 907--937
\crossref{https://doi.org/10.1134/S0018151X20060024}
\isi{https://gateway.webofknowledge.com/gateway/Gateway.cgi?GWVersion=2&SrcApp=Publons&SrcAuth=Publons_CEL&DestLinkType=FullRecord&DestApp=WOS_CPL&KeyUT=000627397600021}
\scopus{https://www.scopus.com/record/display.url?origin=inward&eid=2-s2.0-85102352896}
Образцы ссылок на эту страницу:
https://www.mathnet.ru/rus/tvt11471
https://www.mathnet.ru/rus/tvt/v58/i6/p915
Эта публикация цитируется в следующих 5 статьяx:
Lei Wang, Handbook of Liquid Metals, 2024, 1
Lei Wang, Handbook of Liquid Metals, 2024, 1129
Ioannis Goulatis, Aspassia Daskalopulu, Andrei L. Solovjov, Ruslan V. Vovk, Alexander Chroneos, “Superconducting materials for fusion reactors: A brief review”, Low Temperature Physics, 50:11 (2024), 1023
B. O. Mukhamedov, K. V. Karavaev, I. A. Abrikosov, “Machine learning prediction of thermodynamic and mechanical properties of multicomponent fe-cr-based alloys”, Phys. Rev. Mater., 5:10 (2021), 104407
Цитирование в формате AMSBIB
Обратная связь: