핵 부흥을 촉진하기 위해 노력하고 있다

Source: MIT News - AI

미국의 원자력 발전소

오늘날 미국에서는 94개의 원자력 발전소가 가동 중이며—전 세계 어느 나라보다도 많은 수치이고—이 설비들은 전체 전력의 거의 **20 %**를 공급합니다. 이는 딘 프라이스(Dean Price) 교수에 따르면 큰 성과이지만, 그는 특히 화석 연료 기반 발전소에 대한 대안이 절실히 요구되는 시점에서 우리 나라가 원자력 에너지로부터 훨씬 더 많은 것을 얻어야 한다고 믿습니다. 그는 바로 이 이유 때문에 원자력 엔지니어가 되었으며, 큰 필요가 있는 이 시기에 원자력 기술이 그 역할을 충분히 수행할 수 있도록 보장하고자 합니다.

“원자력 에너지는 지난 60 년 동안 우리 국가의 에너지 인프라에서 엄청난 역할을 해왔으며, 그 인프라를 유지하는 사람들의 수는 놀라울 정도로 적습니다,”라고 MIT 핵과학 및 공학부(NSE) 조교수이자 Atlantic Richfield 에너지 연구 경력 개발 교수인 프라이스는 말합니다. “원자력 엔지니어가 되면 미국에서 탄소‑무배출 에너지 생산을 담당하는 소수의 사람 중 하나가 되는 것입니다.”

그는 이 사명에 참여하기를 열망했으며, 스스로 설정한 목표는 결코 겸손하지 않았습니다: 기존 원자력 함대의 안전성, 경제성 및 신뢰성을 바탕으로 새로운 세대의 원자력 발전소를 설계하고 도입하는 데 기여하고자 했습니다.

프라이스는 이 목표에서 결코 흔들리지 않았으며, 그 과정에서 격려만을 받아왔습니다. 그는 원자력 엔지니어링 커뮤니티가 “작고, 긴밀하며, 매우 환영받는 곳”이라고 말합니다. “한 번 들어가면 대부분의 사람들은 다른 일을 하고 싶어 하지 않습니다.”

물리적 과정 간의 관계 밝히기

그는 일리노이 대학교 어배너-샴페인에서 학부생으로 첫 연구 프로젝트를 진행하면서, 사용 후 냉각된 원자로 연료봉을 물탱크에서 몇 년 동안 보관한 뒤 저장하는 데 사용되는 강철 및 콘크리트 케이스의 안전성을 연구했습니다. 그의 분석에 따르면 이 저장 방식은 매우 안전하지만, 이 연료 케이스들을 장기 처분을 포함해 최종적으로 어떻게 처리할지는 아직 이 나라에서 해결되지 않은 문제로 남아 있습니다.

2020년에 미시간 대학교에서 대학원 공부를 시작한 뒤, Price는 현재까지도 진행 중인 다른 연구 분야에 착수했습니다. 다중물리학 모델링이라고 불리는 이 분야는 원자력 발전소 핵심에서 발생하는 다양한 물리적 과정을 살펴보고 이들이 어떻게 상호 작용하는지를 연구합니다—각 과정을 별도로 연구하는 대안입니다.

• 중성자 물리학 – 중성자가 원자로 핵심을 통과하면서 핵분열을 일으키는 방식으로, 이는 전력을 생성합니다.
• 열수력학 – 중성자에 의해 발생한 열을 추출하기 위해 원자로를 냉각시키는 방식.

이 두 과정을 어떻게 상호 작용하는지 분석하는 다중물리학 시뮬레이션은, 원자로가 전력을 생산하면서 발생하는 열이 중성자 거동에 어떤 영향을 미치는지를 보여줄 수 있습니다. 왜냐하면 연료가 뜨거울수록 핵분열을 일으킬 가능성이 낮아지기 때문입니다.

“전력 수준을 바꾸거나 원자로와 관련된 어떤 작업을 하려면, 연료 온도가 중요한 입력값이라는 것을 알아야 합니다,” 라고 Price는 말합니다. “다중물리학 모델링을 통해 우리는 핵분열 중성자 과정과 열적 특성인 온도를 연관시킬 수 있습니다. 이는 다시 다양한 조건에서 원자로가 어떻게 동작할지를 예측하는 데 도움이 됩니다.”

경수형 원자로—오늘날 1,000 MW 정도의 용량으로 운영되는 원자로—에 대한 다중물리학 모델링은 비교적 잘 확립되어 있다고 Price는 말합니다. 그러나 첨단 원자로—소형 모듈형 원자로(SMR, 20–300 MW)와 마이크로 원자로(1–20 MW)—에 대한 모델링 방법은 아직 훨씬 미성숙합니다. 오늘날 운영 중인 이러한 원자는 매우 적지만, Price는 이들이 더 저렴하고, 더 안전하며, 크기와 출력 면에서 더 큰 유연성을 제공할 잠재력이 있기 때문에 이들에 집중하고 있습니다.

다중물리학 시뮬레이션은 핵 분야에 풍부한 정보를 제공했지만, 결합된 매우 어려운 비선형 방정식을 풀거나 근사하기 위해 슈퍼컴퓨터가 필요할 수 있습니다. 계산 부담을 크게 줄이기 위해, Price는 이러한 방정식을 완전히 우회하면서도 유사한 답을 제공할 수 있는 인공지능(AI) 접근법을 적극적으로 탐구하고 있습니다. 이는 그가 2025년 9월 MIT 교수진에 합류한 이후 연구 과제의 핵심 주제였습니다.

인공지능의 중요한 역할

AI와 머신러닝 방법이 특히 뛰어난 점은 데이터에 숨겨진 패턴을 찾아내는 것이며, 이는 원자력 발전소의 작동에 중요한 변수들 간의 상관관계와 같은 것을 포함합니다. 예를 들어, Price는 다음과 같이 말합니다:

“당신이 원자로의 전력 수준을 알려주면, AI는 연료 온도를 알려줄 수 있을 뿐 아니라 핵심 내부의 삼차원 온도 분포까지 제공할 수 있습니다.”

복잡한 미분 방정식을 풀지 않고도 이것이 가능하다면, 계산 비용을 크게 절감할 수 있습니다.

Price는 AI가 특히 유용할 수 있는 여러 적용 분야를 조사하고 있습니다. 그 중 하나는 새로운 원자로 개념 설계 지원입니다.

“그럼 우리는 지난 50년 동안 개발된 안전 프레임워크에 의존해 제안된 설계에 대한 안전 분석을 수행할 수 있습니다.”라고 그는 설명합니다. “이렇게 하면 AI가 안전‑중요 요소와 직접적으로 연결되지 않게 됩니다.”

그가 보는 AI의 역할은 기존 절차를 보강하는 것이지, 대체하는 것이 아니며, 기존 지식의 격차를 메우는 것입니다.

머신러닝 모델에 충분한 학습 데이터를 제공하면, 핵심 물리 과정 간의 관계를 비선형 미분 방정식을 풀 필요 없이 더 잘 이해할 수 있게 도와줍니다.

“그 관계들을 정확히 파악함으로써 초기 단계에서 더 나은 설계 결정을 내릴 수 있습니다.”

“그리고 그 기술이 개발·배치되면, AI는 보다 지능적인 제어 결정을 도와 우리 원자로를 더 안전하고 경제적인 방식으로 운전할 수 있게 해줄 것입니다.” – Price

그를 길러준 커뮤니티에 되돌려 주기

간단히 말해, 그의 주요 목표 중 하나는 AI의 혜택을 원자력 산업에 도입하는 것이며, 그는 그 가능성을 방대하고 아직 크게 활용되지 않은 것으로 보고 있다. 프라이스는 또한 MIT 교수로서 자신이 구상하는 원자력 미래에 우리를 더 가깝게 이끌 수 있는 좋은 위치에 있다고 믿는다. 그에 따르면, 그는 차세대 원자로를 개발하는 것뿐만 아니라 해당 분야의 차세대 리더들을 양성하는 데에도 힘쓰고 있다.

프라이스는 작년 가을에 KEPCO 원자력 과학 및 공학 실무 교수인 Curtis Smith와 공동으로 가르친 설계 과목에서 그 “차세대”의 잠재적 구성원들을 몇 명 알게 되었다. 프라이스에게 그 소개는 몇 달에 불과했지만, MIT 학생들이 매우 동기 부여가 되고, 근면하며, 능력이 뛰어나다는 것을 발견하기엔 충분했다. 놀랍지 않게도, 이러한 특성은 그가 연구팀에 합류하는 학생들에게서 기대하는 바로 그 특성이다.

프라이스는 이 분야에 첫 발을 내디뎠을 때 받았던 지원을 생생히 기억한다. 이제 그는 학부생에서 교수까지 단계적으로 성장하면서 그 과정에서 방대한 지식을 축적했으며, 학생들에게 “내가 이 분야에 들어섰을 때 느꼈던 그 같은 감정을 경험하게 하고 싶다”고 말한다. 원자력 원자로의 설계와 운영을 개선하려는 구체적인 목표를 넘어, 프라이스는 “처음 원자력 공학을 사랑하게 만든 그 즐겁고 건강한 환경을 지속하고 싶다”고 밝혔다.