La energía nuclear está experimentando un renacimiento en muchos países, pero la gestión de los residuos radiactivos sigue siendo un tema espinoso. ¿Cómo podemos almacenar estos desechos de forma segura durante miles de años? Un nuevo estudio del MIT y otras instituciones propone una solución innovadora: usar simulaciones de alta fidelidad impulsadas por IA.
Simulando el futuro del almacenamiento nuclear
El estudio, publicado en la revista PNAS, detalla cómo un nuevo software de simulación, ejecutado en supercomputadoras, puede predecir el comportamiento a largo plazo de los desechos nucleares en depósitos subterráneos. Este modelo toma en cuenta las complejas interacciones entre los desechos, los materiales de ingeniería (como el cemento) y las formaciones geológicas naturales (como la arcilla).
El Dr. Dauren Sarsenbayev, del MIT, destaca la importancia de estas herramientas: “Estas nuevas y potentes herramientas computacionales, junto con experimentos del mundo real como los del sitio de investigación de Mont Terri en Suiza, nos ayudan a comprender cómo los radionúclidos migrarán en sistemas subterráneos acoplados”.
Validación con experimentos reales
Para validar el modelo, los investigadores lo compararon con datos de un experimento de 13 años en el laboratorio subterráneo de Mont Terri, Suiza. Este laboratorio es un referente mundial en la investigación del almacenamiento geológico profundo de residuos radiactivos.
El modelo simuló con precisión la migración de iones radiactivos a través de una zona de contacto entre el cemento y la arcilla, conocida como \”piel\”. Esta zona es crucial porque sus propiedades físicas y químicas cambian con el tiempo, afectando la liberación de radionúclidos. Los resultados del modelo coincidieron notablemente con los datos experimentales, lo que demuestra su capacidad para capturar procesos complejos.
CrunchODiTi: El software detrás de la simulación
El software utilizado, llamado CrunchODiTi, es una evolución de un código previo conocido como CrunchFlow. La principal innovación de CrunchODiTi es que tiene en cuenta los efectos electrostáticos asociados con los minerales de arcilla, algo que los modelos anteriores no hacían. Esto es fundamental porque la arcilla se utiliza comúnmente como barrera de ingeniería en los depósitos de residuos radiactivos.
CrunchODiTi está diseñado para ejecutarse en paralelo en múltiples computadoras de alto rendimiento, lo que permite simular escenarios complejos con gran detalle.
Implicaciones para el futuro
Este nuevo modelo tiene el potencial de reemplazar a los modelos más antiguos que se utilizan actualmente para evaluar la seguridad de los depósitos de residuos radiactivos. Podría ayudar a los países a tomar decisiones informadas sobre los materiales y las ubicaciones más adecuados para el almacenamiento a largo plazo.
“Si Estados Unidos eventualmente decide desechar residuos nucleares en un depósito geológico, entonces estos modelos podrían dictar los materiales más apropiados para usar”, dice Sarsenbayev. “Por ejemplo, ahora mismo la arcilla se considera un material de almacenamiento apropiado, pero las formaciones de sal son otro medio potencial que podría utilizarse. Estos modelos nos permiten ver el destino de los radionúclidos durante milenios. Podemos usarlos para comprender las interacciones en espacios de tiempo que varían desde meses hasta años y muchos millones de años”.
¿El siguiente paso? Machine learning
Los investigadores también están explorando el uso de machine learning para crear modelos sustitutos que sean menos costosos desde el punto de vista computacional. Esto permitiría realizar simulaciones más rápidas y eficientes.
Un enfoque multidisciplinario
Este estudio es un ejemplo de cómo la ciencia, la ingeniería y la sociedad pueden unirse para abordar un desafío global. Al combinar modelos computacionales avanzados con experimentos del mundo real, los investigadores están allanando el camino para una solución más segura y sostenible para el almacenamiento de residuos nucleares.
Fuente: MIT News
Leave a Comment