چارچوب چندفیزیکی تطبیقی برای ادغام رآکتورهای مدولار کوچک در سیستم های پیشرانش هسته ای–الکتریکی جنگنده فوق تاکتیکی استراتوسفریک با مداومت عملیاتی بالا

با توجه به الزامات فزاینده جنگنده های نسل آینده برای دستیابی به مداومت عملیاتی فوق العاده بالا (بالغ بر چندین ماه)، سقف پروازی پایدار در لایه استراتوسفر (بالای ۲۰کیلومتر) و قابلیت مانورپذیری تطبیقی در رژیم های پروازی متنوع، محدودیت های ذاتی سامانه های پیشرانش شیمیایی (مانند نسبت رانش به وزن پایین و مصرف سوخت بالا) و الکتریکی متعارف (مانند چگالی انرژی محدود باتری ها) به طور کامل نمایان شده است. این مقاله یک چارچوب چندفیزیکی تطبیقی پیشرفته را برای ادغام رآکتورهای مدولار کوچک (Small Modular Reactors - SMRs) در سامانه های پیشرانش هسته ای–الکتریکی (Nuclear Electric Propulsion - NEP) ویژه جنگنده های فوق تاکتیکی استراتوسفریک با مداومت عملیاتی بالا پیشنهاد می کند.

چارچوب پیشنهادی بر پایه کوپلینگ سفت و همزمان حوزه های فیزیکی کلیدی استوار است:

· فیزیک هسته ای با مدل سازی انتقال نوترونی چندگروهی (multi-group neutron transport) همراه با بازخوردهای دقیق دوپلر (Doppler broadening)، اثرات دما–چگالی (void و fuel temperature coefficients) و دینامیک پیش ماده های نوترونی تاخیری؛

· ترموهیدرولیک غیرخطی با مدل سازی جریان تک فاز و دوفاز در رژیم های تراکم پذیر رقیق استراتوسفریک (کم چگالی و عدد ماخ زیرصوتی تا فوق صوتی)؛

· الکترومغناطیس توان بالا برای تبدیل انرژی حرارتی به الکتریکی از طریق سیکل های ترمودینامیکی پیشرفته (مانند Brayton بسته با هلیوم یا CO₂ فوق بحرانی) و توزیع توان به پیشرانه های الکتریکی (مانندmagneto-plasma-dynamic thrusters یاhigh-power electric fans.

· دینامیک سیالات محاسباتی (CFD) برای جریان های خارجی آیرودینامیکی و داخلی خنک کاری؛

· مکانیک سازه های مقاوم در برابر دماهای بالا (high-temperature structural mechanics) با مواد پیشرفته مانند کامپوزیت های سرامیکی ماتریسی (CMC) و آلیاژهایrefractory؛

· و در نهایت، یک سیستم کنترل شناختی تطبیقی چندلایه مبتنی بر یادگیری ماشین برخط (online reinforcement learning و neuro-fuzzy inference systems) برای مدیریت پایداری نوترونی، ایمنی حرارتی، و تطبیق دینامیک پیشرانش با تغییرات محیطی استراتوسفریک (مانند نوسانات دما، فشار و تشعشع کیهانی).

نوآوری محوری این پژوهش، معرفی یک معماری کنترلی شناختی-تطبیقی است که از الگوریتم های یادگیری عاطفی-الهام گرفته (emotion-inspired learning) و مدل های شناختی انسانی مانند ACT-R inspired frameworks برای پیش بینی و جبران اغتشاشات نوترونی، حرارتی و آیرودینامیکی بهره می برد. این معماری تضمین کننده پایداری منفی بازخورد واکنش پذیری (negative reactivity feedback) در رژیم های گذرا و جلوگیری از excursions نوترونی است.

نتایج شبیه سازی های چندفیزیکی کوپل شده (با ابزارهایی مانند MOOSE framework یا مشابه برای کوپلینگ neutronics-thermal-hydraulics-mechanics) نشان می دهد که چارچوب پیشنهادی می تواند نسبت توان به جرم (power-to-mass ratio) را تا بیش از ۱۰برابر نسبت به سامانه های شیمیایی ارتقا دهد، مداومت پروازی را به سطح نامحدود نظری (محدود تنها توسط عوامل انسانی/لجستیکی) برساند، و قابلیت ماموریت پذیری تطبیقی را در سناریوهای پیچیده عملیاتی (مانند پرواز مداوم در ارتفاعات ۲۵-۳۰ کیلومتر با مانورهای شدید) به طور چشمگیری بهبود بخشد. این پیشرفت ها، پتانسیل تحول آفرینی در دکترین جنگ هوایی استراتوسفریک را فراهم می آورند.