نمونه شبیهسازی مونتکارلو در MCNP
برای درک بهتر عملکرد کد MCNP، بررسی یک نمونه ساده از شبیهسازی مونتکارلو بسیار مفید است. در این محتوا، نمونهای از مدل پایه شامل هندسه ساده، منبع نوترونی و تالی شار ذرات ارائه میشود تا با نحوه ساخت فایل ورودی، اجرای شبیهسازی و تحلیل نتایج آشنا شوید.
هدف شبیهسازی
هدف این مثال، محاسبه توزیع شار نوترون در یک بلوک ماده مشخص با منبع نوترونی مرکزی است. این نمونه از پایهترین سناریوهای آموزشی MCNP محسوب میشود و برای فراگیری ساختار ورودی، تعریف هندسه، منبع و تالی کاربرد دارد.
ساختار فایل ورودی MCNP
هر فایل ورودی در MCNP از سه بخش اصلی تشکیل میشود:
- بخش هندسه (Geometry): شامل سلولها و سطوحی است که فضای مدل را تعریف میکنند.
- بخش مواد (Material Definition): بیانگر ترکیب عنصری و چگالی مادهها است.
- بخش منبع و تالیها (Source & Tallies): محل قرارگیری منبع تابش و کمیتهایی که باید محاسبه شوند.
توضیح خطوط
- سلولها (Cell Cards): سلول شماره 1 شامل ماده با شماره ماده 1 و چگالی -1.0 گرم بر سانتیمتر مکعب است. سلول شماره 2 فضای بیرونی (خلأ) را نشان میدهد.
- سطوح (Surface Cards): سطح شماره 1 یک کره با شعاع 10 سانتیمتر تعریف میکند.
- مواد (Material Cards): ماده شماره 1 ترکیبی از هیدروژن (1001) و اکسیژن (8016) است، که تقریباً معادل آب در نظر گرفته میشود.
- منبع تابش: منبع نوترونی در مرکز هندسه با انرژی 2 MeV تعریف شده است.
- تالی: با دستور
f4:nشار نوترون در سلول شماره 1 محاسبه میشود. - nps: تعداد ذرات شبیهسازیشده (در اینجا 100000 نوترون) را مشخص میکند.
اجرای شبیهسازی
out حاوی نتایج شبیهسازی، متوسط شار نوترونی و خطای آماری مربوطه خواهد بود.تحلیل نتایج
در خروجی MCNP، مقدار شار محاسبهشده (Flux) و خطای نسبی آماری درج میشود. هرچه تعداد ذرات شبیهسازیشده بیشتر باشد، خطای آماری کاهش مییابد.
برای مشاهده هندسه سهبعدی مدل یا بررسی دادهها میتوان از نرمافزارهای زیر استفاده کرد:
- VisEd: مشاهده هندسه و موقعیت منبع.
- MCNPPlot / mcnpvis: نمایش نمودارهای تالی و توزیع شار.
- Python mcnpreader: خواندن و تحلیل نتایج عددی در محیط پایتون.
نکات آموزشی
- از هندسههای ساده شروع کنید و سپس به مدلهای پیچیدهتر بروید.
- ترتیب سلولها و سطوح را با دقت رعایت کنید، زیرا هر خطا در هندسه باعث توقف اجرای برنامه میشود.
- مقدار
npsرا بسته به زمان و دقت مورد نظر تنظیم کنید. - پس از اجرای هر مدل، بخش خطای آماری نتایج را بررسی و در صورت نیاز تعداد ذرات را افزایش دهید.
کلیدواژه ها : نمونه شبیهسازی MCNP-MCNP Simulation Example-کد مونتکارلو MCNP-Monte Carlo N‑Particle Code-فایل ورودی MCNP-MCNP Input File-شبیهسازی نوترونی-Neutron Simulation-منبع نوترون-Neutron Source-تعریف تالی در MCNP-MCNP Tally Definition-تحلیل نتایج MCNP-MCNP Results Analysis-VisEd-MCNPPlot-mcnpvis-فیزیک هستهای-Nuclear Physics-انتقال ذرات-Particle Transport-حفاظ پرتوی-Radiation Shielding
