در تحقیق حاضر قصد داریم فرآیند شکافت هسته های برانگیخته 217Fr تولید شده طی فرایند هم جوشی یون های 19F با هسته های 198Pt را در چارچوب معادلات لانگوین و با در نظرگیری اثر دما و اثر مؤلفه اسپین در امتداد محور تقارن هسته، K، شبیه سازی و تعداد متوسط نوترون های خروجی قبل از فرایند شکافت هسته های برانگیخته 217Fr را برآورد نماییم. در این تحقیق نشان داده خواهد شد که در نظرگیری اثر دما و اثر مؤلفه اسپین در امتداد محور تقارن هسته روی نتایج محاسبات تأثیر می گذارد، به طوری که عدم در نظرگیری این پارامترها سبب برآورد کم تر تعداد متوسط نوترون های خروجی از هسته های 217Fr قبل از فرایند شکافت میشود. هم چنین طی شبیه سازی فرایند شکافت هسته های 217Fr با در نظرگیری ضریب اتلاف کاهیده به عنوان یک پارامتر آزاد سعی به بازتولید داده های تجربی تعداد متوسط نوترون های خروجی طی فرایند شکافت هسته های 217Fr خواهیم کرد و نشان خواهیم داد که مقدار مناسب ضریب اتلاف کاهیده برای هسته 217Fr برابر با است.

توزیع انرژی تحریکی کل پاره های شکافت اورانیم 230-236 به کمک مدل تعمیم یافته نقطه برشی اماری محاسبه شده است. در این مدل که یک مدل سیستماتیک است، انرژی تحریکی از دو جزء انرژی تغییر شکل هسته و انرژی داخلی تشکیل می گردد. مقادیر محاسبه شده از مدل سیستماتیک با مقادیر تجربی برای شکافت نوترونی اورانیم-233 مقایسه شده اند. سپس انرژی تحریکی کل برای بقیه ایزوتوپ های اورانیم با روش سیستماتیک محاسبه شده است. هم چنین مقادیر محاسبه شده انرژی تحریکی کل شکافت نوترونی و فوتونی برای اورانیم-235 و 238 با هم مقایسه شدند که نشان داد اختلاف کمی بین نتایج آن ها وجود دارد. برای محاسبه توزیع نوترونی کل شکافت ایزوتوپ های اورانیم از نتایج به دست آمده انرژی تحریکی استفاده شده است. تعداد نوترون های کل پاره های شکافت برای ایزوتوپ های زوج اورانیم بر خلاف ایزوتوپ های فرد نوسانات زیادی دارد. این نوسانات به انرژی بستگی نوترون پاره های شکافت مربوط است. هم چنین با مقایسه نتایج محاسبات با داده های تجربی مشخص شد که تعداد نوترون های محاسبه شده با استفاده از مقادیر انرژی تحریکی برای پاره های شکافت سنگین کم تر از مقدار تجربی آن ها به دست می آید. این اختلاف، در نتایج دیگر محققان نیز دیده می شود که به دلیل فزونی نوترون در پاره های شکافت سنگین می باشد. به عبارت دیگر نوترون های اضافی در پاره های سنگین تر شکافت با انرژی تحریکی کم تری جدا می گردند. بنابراین تعداد کل نوترون های خروجی محاسبه شده که با استفاده از مقادیر انرژی تحریکی در مقایسه با مقادیر تجربی اختلاف قابل توجهی دارد.

فرایند تلاشی، یکی از مهم ترین روش های تولید نوترون در صنعت، پزشکی و غیره است. هم چنین از دیگر کاربردهای این فرایند، استفاده از آن در قلب راکتورهای زیربحرانی است. در این پژوهش، با استفاده از کد MCNPX، یک بررسی نوترونی بر روی هدف های تلاشی شکافت پذیر شامل اورانیم-238 و توریم-232 صورت گرفته است. پارامترهای بهره ی تولید نوترون و انرژی انتقال یافته، شکل هندسی هدف، طیف زاویه ای خروجی نوترون ها، نرخ تولید گاز و طیف جرمی عناصر باقی مانده برای هدف های تلاشی مورد نظر بررسی شده اند. نتایج نشان می دهد که شکل هندسی، در طیف خروجی نوترون بیش-ترین تأثیر را داشته است، ولی بر روی طیف اتم های تولیدی اثری ندارد. در انرژی های بالاتر از GeV 1، تعداد نوترون های تولیدی در واحد انرژی به حالت پایدار می رسد و نرخ تغییرات تولید نوترون ها بعد از آن کاهش می یابد. علاوه بر این، هیدروژن عامل اصلی در ایجاد تورم در هدف تلاشی است و حدود 88% از گاز تولیدی را تشکیل می دهد.

برنامه ای کامپیوتری بر اساس روش مونت کارلو برای ترابرد وابسته به زمان نوترون در محیط های شکافت پذیر و محاسبه پارامترهای نوترونیک سیستم بسط داده شده است. در این مقاله به چگونگی محاسبه ضریب تکثیر موثر، طول عمر متوسط نوترون و توزیع مکانی شار در حالت پایدار پرداخته شده است. نتایج بدست آمده با مقادیر تجربی و روش های محاسباتی دیگر مقایسه شده و توافق خوبی بین آنها مشاهده می شود.

پدیده شکست از مسائلی است که در ساخت هر نوع سد مطرح می گردد. خساراتی که ممکن است پس از شکست بوجود آید، به اهمیت مساله می افزاید. با توجه به پیچیدگی مساله به خصوص در سدهای خاکی، هنوز مدل مناسبی ارائه نشده است. برای پدیده های پیچیده، امروزه از روش های نوینی مانند هوش مصنوعی استفاده می گردد. از جمله این روش های هوش مصنوعی می توان به شبکه عصبی مصنوعی (ANN) و برنامه ریزی ژنتیک (GP) اشاره نمود. در این مقاله نیز، با توجه به پیچیدگی مساله شکافت، به مطالعه نحوه تعیین بیشینه دبی خروجی از شکافت سد خاکی پرداخته شده و برای بدست آوردن آن از روش های هوش مصنوعی استفاده گردیده است. بدین منظور با استفاده از نتایج موجود سدهای خاکی شکافته شده در طول تاریخ، یک مدل شبکه عصبی مصنوعی و یک مدل برنامه ریزی ژنتیک (GP) درنظر گرفته شده است. نتایج حاصله نشان می دهد که هر دو روش از قابلیت قابل قبولی نسبت به سایر روش های کلاسیک موجود برخوردار هستند.