Opérateurs neuronaux FNO et UNO : une nouvelle approche pour calculer le flux de neutrons en deux dimensions

En juillet 2026, des chercheurs ont publié sur arXiv l'article « Neural Operator Surrogates for Two-Dimensional Neutron Flux Estimation ». Ils y transposent la méthode des opérateurs neuronaux des problèmes unidimensionnels de transport de neutrons aux problèmes bidimensionnels, et comparent trois modèles de substitution (surrogates) fondés sur les architectures FNO et UNO.

Ce que les chercheurs ont fait

Les chercheurs ont entraîné des opérateurs neuronaux à prédire le flux scalaire de neutrons dans un problème de transport à un groupe (one-group transport) avec diffusion isotrope. Ce travail prolonge directement leurs expériences unidimensionnelles antérieures avec des opérateurs single-sweep, mais les modèles de substitution fonctionnent désormais en deux dimensions, une étape qui rapproche la méthode de géométries d'ingénierie réelles. La solution de référence (« high-fidelity ») de chaque cas a été calculée avec un solveur éprouvé par la méthode des ordonnées discrètes (discrete ordinates), et la qualité de l'approximation a été évaluée par l'erreur relative moyenne en norme L2.

Un opérateur neuronal est un modèle qui apprend à associer une fonction continue (le champ de matériau et de source) à une autre (le champ de flux), et pas simplement un nombre à un nombre. Selon le résumé publié sur arXiv, l'étude met en jeu deux types de ces architectures : les Fourier neural operators (FNO) et les opérateurs neuronaux en U (U-shaped neural operators, UNO).

Trois modèles de substitution

L'article compare trois modèles de substitution qui associent chacun différemment les données d'entrée au flux de neutrons. Les deux premiers abordent le problème de front, le troisième reçoit un coup de pouce d'une méthode numérique classique :

• FNO : associe directement les champs de matériau et de source au flux scalaire
• UNO : même problème direct, mais avec une architecture U-shaped neural operator
• FNO avec entrée single-sweep : reçoit en plus le flux obtenu après une itération de la source (approximation single-sweep)

Chacun des trois modèles a été entraîné avec trois initialisations aléatoires (random seeds). C'est un point clé de la méthodologie : trois exécutions permettent de distinguer une véritable différence entre les approches de la dispersion statistique qui apparaît d'un lancement à l'autre, simplement par hasard. L'approximation single-sweep est ici une première itération peu coûteuse du solveur classique, fournie au modèle comme variable d'entrée supplémentaire.

Ce que cela apporte à la protection contre les rayonnements

L'intérêt pratique principal de l'étude porte sur la précision dans les zones fortement atténuées, déterminantes pour les calculs de radioprotection (shielding). C'est précisément là, où le flux de neutrons chute de plusieurs ordres de grandeur, que les modèles de substitution se trompent d'ordinaire le plus, alors que les faibles valeurs de flux sont justement celles qui comptent pour évaluer la protection biologique. Les auteurs testent l'hypothèse selon laquelle un entraînement sur le logarithme du flux, plutôt que sur le flux lui-même, permet de mieux reconstituer ces zones.

La seconde question de l'étude est de savoir si l'entrée supplémentaire single-sweep améliore réellement la précision par rapport aux applications directes « champ → flux ». Les auteurs formulent explicitement ces deux hypothèses comme fils directeurs de la recherche.

«

Deux questions guident l'étude : l'entrée single-sweep améliore-t-elle la précision par rapport aux applications directes, et l'entraînement sur le logarithme du flux améliore-t-il la précision dans les régions fortement atténuées, pertinentes pour la protection », indique le résumé de l'article sur arXiv.

Ce que cela signifie

Les opérateurs neuronaux s'installent peu à peu dans les problèmes de physique computationnelle : si un modèle de substitution reproduit le champ de neutrons avec une précision suffisante, le coûteux calcul par ordonnées discrètes peut être en partie remplacé par l'inférence rapide d'un modèle. Le passage des problèmes unidimensionnels aux problèmes bidimensionnels rapproche cette approche des calculs d'ingénierie en radioprotection, où les simulations à pleine échelle sont particulièrement coûteuses en temps et où le nombre de scénarios à explorer est élevé.