Accurate modeling of particle transport within fusion blankets is essential for predicting performance metrics such as heat deposition and the tritium breeding ratio (TBR). However, high-fidelity coupling of thermal fluids from computational fluid dynamics (CFD) to neutronics simulations often incurs significant computational costs due to the complexity of surface intersection calculations in Monte Carlo codes. This paper presents an accelerated multiphysics coupling method for neutronics that utilizes hierarchical agglomerative clustering to map complex material property distributions to a neutronics model. Implemented within the fusion reactor design and assessment (FREDA) framework, the method leverages existing Python packages to automate the creation of clustered geometries for OpenMC. The approach is demonstrated on a sector model of an ARC-class tokamak with an immersion molten salt blanket, and an simple geometry with varying isotopic concentrations. Results show that the clustering method significantly reduces computational burden without compromising fidelity, providing a foundation for agile iteration of neutronics simulations involving multiple coupled material properties.
核融合ブランケット内の粒子輸送の正確なモデリングは、熱沈着やトリチウム増殖比（TBR）などの性能指標を予測するために不可欠である。しかし、計算流体力学（CFD）からの熱流体を中性子工学シミュレーションに高忠実度で連成させることは、モンテカルロコードにおける表面交差計算の複雑さにより、しばしば多大な計算コストを伴う。本論文では、階層的凝集クラスタリングを利用して複雑な材料特性分布を中性子工学モデルにマッピングする、中性子工学のための高速化されたマルチフィジックス連成手法を提案する。核融合炉設計・評価（FREDA）フレームワーク内に実装された本手法は、既存のPythonパッケージを活用してOpenMC用のクラスタ化ジオメトリの作成を自動化する。本手法は、浸漬溶融塩ブランケットを備えたARC級トカマクのセクタモデルと、同位体濃度が変化する単純なジオメトリで実証される。結果は、クラスタリング手法が忠実度を損なうことなく計算負荷を大幅に低減し、複数の連成材料特性を含む中性子工学シミュレーションの迅速な反復の基盤を提供することを示している。