université de montréal développement de la méthode des ...

29
probabilités de collision. Évidemment, c’est un avantage important de la méthode
des caractéristiques que de pouvoir traiter de larges domaines géométriques là où
la méthode des probabilités de collision doit être restreinte à un nombre de régions
faible (e.g. 2000).
Ensuite, comme souligné dans les paragraphes précédents, le traitement de l’anisotropie
de collision est facile à intégrer avec la méthode des caractéristiques ce qui
n’est pas le cas avec un formalisme de probabilités de collision où cela alourdit
encore le stockage [Roy, 1991]. Ainsi, en pratique, la méthode des probabilités de
collision a recours a une correction de transport des sections efficaces pour tenir
compte approximativement du premier terme anisotrope de collision. Malheureusement,
cette façon de traiter l’anisotropie se révèle inappropriée dans certains
assemblages (tels que ceux de type BWR).
Évidemment, comme les deux méthodes sont très proches l’une de l’autre, ces avantages
sont accompagnés de lourds inconvénients concernant la vitesse de convergence
et donc la rapidité d’éxecution. D’abord, de manière générale, dans un calcul,
tant que les propriétés géométriques et nucléaires restent inchangées, CP ne requiert
qu’une intégration sur Υ i.e. une seule lecture du tracking afin de construire les matrices
de probabilités de collision. Pour MOC, chaque itération interne (au sens de
la boucle d’itérations décrite précedemment) nécessite la lecture de toutes les lignes
d’intégration. Comme on l’a déjà mentionné plus tôt, pour des tracking de faible
taille, on peut penser à un stockage en mémoire vive des lignes d’intégration et
par conséquent à un coût limité d’accès à ces données; par contre, dès que la taille
augmente, ces informations doivent résider dans un fichier et pour éviter de relire
le fichier de tracking pour chaque groupe, la méthode des caractéristiques doit
alors calculer le flux de manière vectorielle. Ainsi, pour le calcul multigroupe de
flux, alors que CP repose sur un schéma Gauss-Seidel, MOC doit se contenter dans
le cas général d’un schéma de Jacobi (qui combine les itérations internes comme