一项名为“增强对放射性核素复杂屏障系统模型的信心”的新研究，在地下核废料相互作用建模和仿真领域取得突破。该研究由麻省理工学院博士生Dauren Sarsenbayev、助理教授兼ANS成员Haruko Wainwright以及科学家Christophe Tournassat和Carl Steefel领导，其成果显示尖端高性能计算模拟与瑞士蒙特泰里地下实验室的实际实验数据高度吻合，增强了人们对地质核废料处置库长期安全性的信心。
蒙特泰里研究基地成立于1996年，其科学家长期致力于研究核废料与人工和天然地质屏障接触时的行为。其中，奥帕利努斯粘土(Opalinus clay)因具有致密、防水的特性，被视为很有前景的放射性废料屏障，该基地的长期实验为此次新科学模型的验证提供了数据集。
麻省理工学院的研究人员测试了由Tournassat和Steefel开发的新软件模型CrunchODiTi，它是早期程序CrunchFlow的高级版本。该软件能考虑静电效应，这是模拟带负电荷的粘土矿物与工程屏障中使用的水泥等其他成分之间相互作用的关键因素。与早期难以匹配实验数据的模型不同，CrunchODiTi凭借高性能计算机上的并行处理能力，能以高分辨率在三维空间中模拟这些相互作用。
研究团队聚焦于蒙特泰里一项为期13年的实验，该实验关注水泥与周围粘土岩之间的相互作用。研究人员将正负离子混合物引入水泥钻孔，观察到水泥与粘土界面处1厘米厚的薄“表皮”随时间发生变化。通过将模拟结果与该地区的实验数据比较，发现两者高度一致，证实了模型的准确性。结果表明，界面处发生了显著的物理和化学变化，如矿物沉淀和孔隙堵塞，影响了放射性核素的长期迁移。
此研究结果对核废料处置规划意义重大。改进后的模型能更准确地预测放射性核素的长期行为，为潜在地质处置库的材料选择和安全设计提供参考。虽然目前研究重点在粘土地层，但该模型也可用于评估盐等其他材料。
研究人员计划通过整合新数据并可能开发基于机器学习的模型来扩展工作，以降低计算成本。他们的目标是提供可靠且经过科学验证的工具，指导公共政策并赢得公众对核废料储存解决方案的信任。
