MCNP几何扩展提升大规模模拟与应用

本文主要探讨了MCNP（Monte Carlo N-Particle Transport Code）——一款广泛应用在核工程、医学成像等领域进行粒子输运模拟的通用程序——在几何描述能力上的扩展工作。MCNP原本在处理大规模几何结构时可能存在局限，特别是对于像反应堆的"pin-by-pin"问题，即每个燃料元件都需要单独模拟，以及医学领域的体素模型，如人体大脑的精细几何建模。为了克服这些限制，研究者们针对程序进行了关键的改进，显著增加了几何块和几何面的数量上限，使得处理百万级别的网格单元成为可能。 在实际应用中，作者通过将改进后的MCNP应用于硼中子俘获治疗（BNCT）的人体大脑模型，构建了一个包含大量栅元的模型，这为评估和优化BNCT治疗方案提供了强大的计算工具。作者还对一个百万规模的"Like n But"重复结构模型进行了串行和并行测试，旨在验证几何扩展后的程序在处理复杂几何结构时的准确性和效率。这种测试结果对于确保程序在大规模问题上的鲁棒性和计算效率至关重要。 该研究的关键词包括MCNP、几何规模扩展、重复结构建模、以及BNCT治疗，表明其核心在于提升MCNP在处理大规模和复杂几何场景的能力。文章的科学价值体现在它不仅增强了MCNP在实际应用中的实用性，也为未来在核能、医疗和其他粒子输运模拟领域的研究奠定了基础。此外，通过提供中图分类号和文献标志码，这篇论文被归类于原子能科学技术领域，并获得了相应的索引和DOI，便于学术界进一步查阅和引用。这项工作对于推动MCNP程序在大型计算问题上的应用有着显著的贡献。