Projektet genomförs inom kompetenscentrumet ANItA (Academic-industrial Nuclear technology Initiative to Achieve a sustainable energy future). Du kommer att ingå i en gemensam akademisk och industriell forskningsmiljö med handledning från både Uppsala universitet och industripartner. Genom det nära samarbetet med industrin får du möjlighet att utveckla forskningsmetoder med tydlig industriell relevans och bidra till kunskapsutbyte mellan akademi och industri.Tillförlitliga och snabba bränsleprestandaberäkningar är viktiga för såväl dagens reaktorer som framtida konstruktioner, inklusive små modulära reaktorer (SMR). Projektet bygger vidare på den forskning som har bedrivits inom CaNel – Calibration of Fuel Performance Codes, där metoder baserade på statistisk kalibrering, osäkerhetskvantifiering och maskininlärningsbaserad surrogatmodellering har utvecklats för simulering av kärnbränsleprestanda. Du kommer att vidareutveckla dessa metoder för att möjliggöra snabbare och mer precisa förutsägelser med väl kvantifierade osäkerheter.Projektet omfattar bland annat kalibrering mot tidsberoende och axiellt upplösta mätdata, överföring av osäkerheter mellan kopplade delmodeller samt utveckling av tidsberoende maskininlärningsbaserade surrogatmodeller. Modellerna ska kunna hantera variationer i exempelvis bränsletyp, anrikning och gadoliniuminnehåll, utvärderas även utanför träningsområdet och tillämpas på ett bredare urval av bränsledesigner och driftförhållanden. De ska även demonstreras i industriellt relevanta tillämpningar, såsom prediktion av kapslingens tangentialspänning och bedömning av risken för PCI-relaterade bränsleskador.Arbetsuppgifter Arbetsuppgifterna består huvudsakligen av forskarutbildning, där du bedriver forskning inom projektet och följer kurser inom forska…DoktorandDoktorander
Jobbfinder