미국 에너지부(DOE) 산하 아르곤국립연구소(Argonne National Laboratory) 연구팀이 원자로의 효율성, 신뢰성, 안전성을 높일 수 있는 디지털 트윈(digital twin) 기술을 개발했다. 이 기술은 첨단 컴퓨터 모델과 인공지능(AI)을 활용해 원자로의 작동 방식을 예측함으로써 운영자가 실시간으로 의사결정을 내릴 수 있도록 지원한다. 

이 디지털 트윈 기술은 그래프 신경망(Graph Neural Network, GNN)이라는 AI 기술을 활용해 원자로의 동작을 정밀하게 모사할 수 있도록 구성됐다.

아르곤국립연구소의 수석 원자력 엔지니어이자 최근 발표된 논문의 공동 저자인 루이 후(Rui Hu)는 “디지털 트윈 기술은 첨단 원자로의 상태를 이해하고 관리하는 데 중요한 진전을 의미한다”며 “변화에 신속하고 정확하게 대응할 수 있는 기반을 제공한다”고 말했다.

이 디지털 트윈 기술은 소형 모듈 원자로(SMR)와 마이크로 원자로가 다양한 조건에서 어떻게 작동하는지 감시하고 예측할 수 있도록 설계됐다. 아르곤 연구팀은 새로운 방법론을 개발해 실험용 증식로 EBR-Ⅱ(Experimental Breeder Reactor ⅡI)와 새로운 유형의 원자로인 일반 불화염냉각식 고온로(generic Fluoride-salt-cooled High-temperature Reactor, gFHR)에 적용해 디지털 트윈을 구현했다.

디지털 트윈 기술의 핵심인 GNN은 서로 연결된 구성요소들을 노드(개체)와 엣지(관계)로 표현한 그래프 형태의 데이터를 처리하는 첨단 컴퓨터 모델이다. 이를 통해 원자로 시스템 내부의 물리적 관계와 동적 거동을 정밀하게 포착할 수 있다. 후 연구원은 “GNN 기반 디지털 트윈은 원자로 시스템을 상호 연결된 네트워크로 이해함으로써 전체 시스템의 복잡한 거동을 포괄적으로 파악할 수 있게 해준다”고 설명했다.

연구진은 DOE 산하 과학국 사용자 시설인 아르곤 리더십 컴퓨팅 시설(ALCF)을 활용해 GNN 모델을 훈련하고 불확실성 정량화를 수행했다. 불확실성 정량화는 모델의 예측 신뢰도를 향상시키기 위한 핵심 과정이다.

GNN 기반 디지털 트윈은 기존 시스템 코드나 실시간 시뮬레이션보다 훨씬 빠르게 원자로의 반응을 예측할 수 있다. 예를 들어, 출력 변화나 냉각 시스템의 성능 변화 시 시나리오를 시뮬레이션 데이터를 바탕으로 신속하게 분석해 실시간 의사결정을 지원한다. 또한, 제한된 실시간 센서 데이터를 기반으로 높은 정확도의 예측이 가능해, 원자로 설계 및 운전 계획 수립에 실질적인 도움을 준다.

이뿐 아니라, 디지털 트윈은 원자로 운영 중 발생할 수 있는 이상 징후를 실시간으로 감지하고, 이를 기반으로 안전성과 효율성을 유지하기 위한 운전 조치를 제안할 수 있다. 장기적으로는 유지보수 및 운영 비용 절감 효과도 기대된다. 

아르곤의 새로운 디지털 트윈 기술은 원자로의 설계, 비상 상황 대비, 자율 운영 기반 마련 등 다양한 영역에서 활용될 수 있으며, 기존 방식보다 더욱 정밀하고 통합적인 예측을 제공하는 것이 강점이다.

이 연구 결과는 학술지 Nuclear Technology에 게재됐으며, DOE의 ‘첨단 원자로 모델링 및 시뮬레이션 프로그램(NEAMS, Nuclear Energy Advanced Modeling and Simulation Program)’의 지원을 받아 수행됐다.