원전사고 가설-시뮬레이션 검증 기능 분석

결론

현재 Nuclear-Digital-Twin 프로그램은 사고 시나리오 주입, 간단한 동특성 계산, 노심·텔레메트리 시각화, Gemini 분석 보고서 생성까지는 지원한다. 그러나 AI가 세운 가설을 자동으로 시뮬레이션에 주입하고, 대안 시나리오와 비교해 통계적으로 판정하는 기능은 아직 없다. 정확한 포지셔닝은 가설을 제안하고 시뮬레이션 결과를 사람이 비교하는 원자력 교육·개념검증용 플랫폼이다.

가능한 예시: 소형 냉각재 상실(SBLOCA)

다음과 같은 가설을 세울 수 있다.

냉각재 유량 저하와 압력 감소가 발생하면 열 제거 능력이 떨어지고 DNBR이 감소하며 연료·피복재 온도가 상승한다. 신속한 SCRAM과 붕산 주입은 출력과 반응도를 낮춰 안전 여유를 회복시킨다.

현재 UI에서는 다음 흐름을 수행할 수 있다.

1. AnomalyDiagnostics에서 SBLOCA를 주입한다.
2. physics.ts가 압력을 낮추고 냉각재 유량을 75%로 감소시킨다.
3. 시뮬레이션 루프가 출력, 압력, 유량, 온도, DNBR을 갱신한다.
4. TelemetryCharts에서 시간 변화를 확인한다.
5. CoreMap2D에서 노심 출력·온도·DNBR 공간 분포를 확인한다.
6. Gemini 진단을 실행해 원인, 위험도, 완화책에 대한 분석을 생성한다.
7. SCRAM, 붕산 주입, 출력 감발을 실행하고 결과 변화를 비교한다.

MCP Trip, Rod Ejection, Xenon Tilt, Sensor Drift도 유사한 방식으로 시험할 수 있다.

가설 생성 기능의 실제 범위

server.ts의 과학적 발견 엔드포인트는 원자로 상태를 Gemini에 전달하고, 이상 원인·안전 조치·PINN 수식·능동학습 실험·기호식 후보를 텍스트로 생성한다. 그러나 다음 기능은 구현되어 있지 않다.

• Gemini 가설의 시뮬레이션 입력 자동 연결
• 가설별 독립적인 counterfactual 실행
• 예측값과 시뮬레이션 관측값의 자동 비교
• 오차 범위와 통계적 검정
• 가설의 supported/refuted/inconclusive 판정

또한 ActiveLearningOptimization.tsx의 최적화 결과는 실제 Bayesian optimizer의 실행 결과라기보다 초기값이 하드코딩되어 있고, 신규 샘플은 Math.random()으로 생성된다. mitigation 버튼도 안전 제어기라기보다 상태값을 직접 변경하는 데모 동작이다.

필요한 확장 구조

진정한 가설-검증 기능은 다음 폐루프를 가져야 한다.

가설 생성
  ↓
가설을 수치 파라미터로 변환
  ↓
기준·대안 시나리오 병렬 실행
  ↓
출력·DNBR·온도·압력·선행시간 비교
  ↓
오차·불확실성·반증 여부 계산
  ↓
차트와 검증 보고서로 시각화

최소한 다음과 같은 데이터 구조가 필요하다.

interface Hypothesis {
  id: string;
  statement: string;
  scenario: string;
  interventions: Record<string, number>;
  predictedIndicators: Record<string, number>;
  observedIndicators?: Record<string, number>;
  uncertainty?: Record<string, number>;
  verdict?: "supported" | "refuted" | "inconclusive";
}

안전상 경계

이 기능은 실제 원자로 운전이나 사고 대응을 위한 제어기가 아니라 교육·연구용 시뮬레이션으로 제한되어야 한다. 특히 Gemini의 텍스트 분석은 결정론적 안전 로직을 대체할 수 없으며, 실제 적용에는 독립 기준 코드, 재현 가능한 입력, 불확실성 정량화, 실패 사례 및 V&V가 필요하다.