Нейросетевые операторы FNO и UNO для расчёта двумерного потока нейтронов

En julio de 2026, investigadores publicaron en arXiv el trabajo «Neural Operator Surrogates for Two-Dimensional Neutron Flux Estimation», en el que trasladaron el método de operadores neuronales de problemas unidimensionales de transporte de neutrones a problemas bidimensionales y compararon tres modelos sustitutos basados en las arquitecturas FNO y UNO.

Qué hicieron los investigadores

Los investigadores entrenaron operadores neuronales para predecir el flujo escalar de neutrones en un problema de transporte de un grupo (one-group transport) con dispersión isotrópica. El trabajo continúa directamente sus experimentos unidimensionales anteriores con operadores single-sweep, pero ahora los modelos sustitutos operan en dos dimensiones, un paso que acerca el método a geometrías de ingeniería reales. La solución de referencia («high-fidelity») para cada caso se calculó con un solucionador validado por el método de ordenadas discretas (discrete ordinates), y la calidad de la aproximación se evaluó mediante la norma de error relativo medio L2.

Un operador neuronal es un modelo que aprende a asociar una función continua (el campo de material y fuente) con otra (el campo de flujo), en lugar de simplemente asociar un número con otro número. Según el resumen publicado en arXiv, en el estudio se emplean dos tipos de estas arquitecturas: los operadores neuronales de Fourier (Fourier neural operators, FNO) y los operadores neuronales en forma de U (U-shaped neural operators, UNO).

Tres modelos sustitutos

En el trabajo se comparan tres modelos sustitutos que asocian de manera diferente los datos de entrada con el flujo de neutrones. Los dos primeros abordan el problema de forma directa, mientras que el tercero recibe una pista de un método numérico clásico:

• FNO — asocia los campos de material y fuente directamente con el flujo escalar
• UNO — el mismo problema directo, pero con la arquitectura U-shaped neural operator
• FNO con entrada single-sweep — recibe además el flujo tras una iteración de fuente (single-sweep approximation)

Cada uno de los tres modelos se entrenó con tres inicializaciones aleatorias (random seeds). Este es un detalle clave de la metodología: tres ejecuciones permiten distinguir una diferencia real entre los enfoques de la dispersión estadística que surge de una ejecución a otra por sí sola. La aproximación single-sweep es aquí una primera iteración barata del solucionador clásico, que se proporciona al modelo como una característica adicional.

Qué aporta esto a la protección radiológica

El principal interés práctico del trabajo es la precisión en las regiones muy atenuadas, críticas para los cálculos de protección radiológica (shielding). Precisamente allí donde el flujo de neutrones cae varios órdenes de magnitud, los modelos sustitutos suelen equivocarse más, y para evaluar la protección biológica son justamente los valores bajos de flujo los que importan. Los autores ponen a prueba la hipótesis de si entrenar con el logaritmo del flujo, en lugar de con el flujo en sí, ayuda a reconstruir con mayor precisión estas zonas.

La segunda pregunta del estudio es si la entrada adicional single-sweep aporta una ganancia real de precisión en comparación con las asociaciones directas «campo → flujo». Los autores formulan ambas hipótesis explícitamente como las dos líneas que guían la investigación.

«Dos preguntas guían la investigación: si la entrada single-sweep

mejora la precisión en comparación con las asociaciones directas, y si entrenar con el logaritmo del flujo mejora la precisión en las regiones muy atenuadas relevantes para la protección», se indica en el resumen del trabajo publicado en arXiv.

Qué significa esto

Los operadores neuronales van dominando poco a poco problemas de física computacional: si un modelo sustituto reproduce el campo de neutrones con suficiente precisión, el costoso cálculo por el método de ordenadas discretas puede sustituirse parcialmente por la inferencia rápida del modelo. El paso de problemas unidimensionales a bidimensionales acerca el enfoque a los cálculos de ingeniería para la protección radiológica, donde las simulaciones a escala completa son especialmente costosas en tiempo y el número de escenarios a recorrer es elevado.