Análisis de métodos de reducción de varianza y su implementación al código Monte Carlo OPENMC

En el presente trabajo se lleva a cabo el análisis de métodos de reducción de varianza para acelerar cálculos de transporte de radiación por el método Monte Carlo. En particular, se estudiaron dos métodos de control de población: distribuciones de importancia (geometry splitting) y ventanas de pe...

Descripción completa

Detalles Bibliográficos
Autor principal: Debárbora, Mauricio E.
Formato: Tesis NonPeerReviewed
Lenguaje:Español
Publicado: 2020
Materias:
Acceso en línea:http://ricabib.cab.cnea.gov.ar/922/1/Deb%C3%A1rbora.pdf
Aporte de:Repositorio Institucional Centro Atómico Bariloche e Instituto Balseiro (CNEA) de CAB - CNEA - Biblioteca Leo Falicov Ver origen
Descripción
Sumario:En el presente trabajo se lleva a cabo el análisis de métodos de reducción de varianza para acelerar cálculos de transporte de radiación por el método Monte Carlo. En particular, se estudiaron dos métodos de control de población: distribuciones de importancia (geometry splitting) y ventanas de peso (weight windows). Estos métodos fueron implementados en el código Monte Carlo OpenMC. Como parte del trabajo se validó el código con tres benchmarks, uno de criticidad, uno de fuente fija de neutrones y el último de fuente fija de fotones, para luego implementar los métodos de reducción de varianza tanto en el código fuente en C++ como en el API en Python. Para simplificar el uso por parte del usuario se desarrolló una herramienta de cálculo de mapas de importancia y ventanas de peso, que genera en forma automática los parámetros necesarios para aplicar estos métodos de reducción de varianza. La implementación de los métodos fue verificada con dos problemas de transporte de fuente fija, uno de transporte de neutrones y el otro de fotones, observándose un aumento en la velocidad de cálculo sin afectar el resultado.