To conduct numerical simulation of a disposal repository of the spent nuclear fuel, it is necessary to numerically simulate the entire domain, which is composed on numerous finite elements, for at least several tens of thousands of years. This approach presents a significant computational challenge, as obtaining solutions through the numerical simulation for entire domain is not a straightforward task. To overcome this challenge, this study presents the process of producing the training data set required for developing the machine learning based hybrid solver. The hybrid solver is designed to correct results of the numerical simulation composed of coarse elements to the finer elements which derive more accurate and precise results. When the machine learning based hybrid solver is used, it is expected to have a computational efficiency more than 10 times higher than the numerical simulation composed of fine elements with similar accuracy. This study aims to investigate the usefulness of generating the training data set required for the development of the hybrid solver for disposal repository. The development of the hybrid solver will provide a more efficient and effective approach for analyzing disposal repository, which will be of great importance for ensuring the safe and effective disposal of the spent nuclear fuel.

Evaluating the quantitative damage to rocks through acoustic emission (AE) has become a research focus. Most studies mainly used one or two AE parameters to evaluate the degree of damage, but several AE parameters have been rarely used. In this study, several data-driven models were employed to reflect the combined features of AE parameters. Through uniaxial compression tests, we obtained mechanical and AE-signal data for five granite specimens. The maximum amplitude, hits, counts, rise time, absolute energy, and initiation frequency expressed as the cumulative value were selected as input parameters. The result showed that gradient boosting (GB) was the best model among the support vector regression methods. When GB was applied to the testing data, the root-mean-square error and R between the predicted and actual values were 0.96 and 0.077, respectively. A parameter analysis was performed to capture the parameter significance. The result showed that cumulative absolute energy was the main parameter for damage prediction. Thus, AE has practical applicability in predicting rock damage without conducting mechanical tests. Based on the results, this study will be useful for monitoring the near-field rock mass of nuclear waste repository.

구조실험을 위한 데이터 저장소는 구조실험에 관련된 실험정보를 구조공학자와 연구자들이 편리하게 저장하고 열람할 수 있도록 효율적인 구성을 가져야 한다. 데이터 저장소에 대한 평가는 데이터 저장소 자체적인 구성에 대한 평가와 데이터 저장소에 저장된 실제 정보의 구성에 대한 평가로 나눌 수 있다. 데이터 저장소의 자체적인 구성은 클래스로 나타낼 수 있고 데이터 저장소 내에 저장된 실제의 실험정보는 객체로 표현할 수 있는데 본 논문은 클래스와 객체가 가지고 있는 속성구성에 대한 평가요소를 제안한다. 클래스의 속성구성 평가요소로는 클래스내 속성수와 구체적인 값 또는 객체에 의해 구분한 속성의 종류별 수 등이 있는데 이러한 평가요소들을 이용하여 데이터 저장소가 정한 구성을 이해할 수 있다. 객체의 속성구성 평가요소로는 객체내 값있는 속성수 등이 있는데 데이터 저장소내의 실제 실험정보가 레벨별로 어떻게 저장되어 있는가를 파악할 수 있다.

방사성폐기물 처분 연구 사업이 법률적인 인허가 뿐만이 아니라 일반 국민의 동의를 얻기 위해서는 처분 사업의 안전성에 대한 신뢰성 획득이 중요하며 이를 위해 투명하게 공개될 수 있는 종합 성능 평가 (TSPA, Total System Performance Assessment)의 수행 이 필요하다. 본 연구에서는 처분 성능 평가의 투명성 증진을 위한 방안의 하나로 처분 종합 성능 평가 전 과정에 대해 품질 보증 원칙을 도입하여 평가 관련 전체 업무에 관한 신뢰성 향상을 꾀하고자 하였다. 이를 위해 처분 종합 성능 평가 수행의 다섯 단계인 (1) 기획, (2) 연구 수행 , (3) 문서화, (4) 내부 검토, (5) 독자적인 외부 검토 과정에 T2R3의 품질 보증 원칙을 적용한 인터넷 기반의 Cyber R&D Platform이 개발되었다. 인터넷을 기반으로 하는 본 시스템의 개발을 통해 안전성 평가 관련 모든 참여자들은 평가 전 과정에서 투명성이 유지된 데이터들에 쉽게 접근하여 이를 이용할 수 있다 Cyber R&D Platform은 안전성 평가를 위한 시나리오 개발 관련 데이터인 FEP 목록과 관련 시나리오 정보, 관련 시나리오 도출 과정 및 평가 체계 등을 체계적으로 구축한 FEAS (FEp to Assessment through Scenario development)프로그램과 안전성 평가에 필요한 입력 데이터들을 분류, 저장해 놓은 PAID (Performance Assessment Input Data) 프로그램, 그리고 이러한 자료들을 품질 보증 원칙과 절차에 의한 승인 과정을 통해 입력, 저장할 수 있는 품질 보증 시스템으로 구성되어 있으며 이를 통합 운영함으로써 도출된 데이터들의 신뢰성을 높이고자 하였다. 향후 연구에서는 Cyber R&D Platform과 평가 software와의 통합 운영으로 웹 기반 시스템에 대한 한 번의 접속만으로 안전성 평가 관련 모든 정보를 확인, 이용할 수 있도록 할 것이다.