Magic-RR project overview: objectives, methodology and expected results
Notice bibliographique
Résumé
Most research reactors (RRs) in Europe are over 60 years old, and there are only limited efforts underway (e.g., PALLAS and JHR projects) to partially replace this aging infrastructure. Continued safe operation (CSO) of these reactors is crucial to sustaining the EU’s leadership in nuclear materials development and qualification for advanced reactor designs and to ensuring a steady supply of medical isotopes. Extending the licenses for these reactors to ensure CSO requires comprehensive aging management reviews (AMRs) and time-limited aging analyses (TLAAs) of key structures and components. However, current challenges include a limited understanding of irradiation-induced degradation and corrosion mechanisms, a shortage of data on RR structural materials under high-fluence conditions necessary for CSO, the lack of predictive, physics-based models for irradiation damage in aluminum alloys, and insufficient surveillance specimens for some reactors. Additionally, there are no dedicated design codes for reactor vessels and core structures made of aluminum, and there is no standardized approach in Europe for aging management of operating RRs. To address these issues, a new project, Research on Materials Ageing and Structural Integrity of Research Reactors (Magic-RR), was launched on 1st of November 2024, funded by the EURATOM research and training program 2023 with contributions from several international partners including RR operators, new RR developers and technical universities. Magic-RR will leverage (1) available archive materials and data from the existing RRs, e.g. from surveillance programs and shut down reactors, (2) operational experience of RR operators and (3) advanced characterization and modelling techniques at universities and nuclear research centers, to achieve the following objectives to support the CSO of European RRs: – enhancing understanding of irradiation-induced damage in RR structural materials, particularly aluminum alloys, under high-fluence conditions. – Develop advanced multi-scale modeling techniques to predict irradiation effects on mechanical properties. – Investigating corrosion mechanisms and developing strategies for their prevention and mitigation. – Assessing and validating sub-size testing methods for surveillance programs. – Sharing operational knowledge on ageing management and structural integrity assessment of critical RR components and establishing guidelines for best practices. This paper provides comprehensive description of the objectives, methodology, expected results and impact of the Magic-RR project.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,023 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,029 | 0,033 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».