核聚变被广泛认为是未来最有前景的清洁能源来源之一。近年来，如 ITER[1] 和 CFETR[2] 等大型聚变工程项目取得了重大进展。在聚变堆运行过程中，会产生能量高达 14.1 MeV 的高能中子，它们在复杂屏蔽结构内的输运行为直接影响屏蔽设计、辐射防护和关键部件的寿命评估。因此，全局中子通量计算是聚变中子学分析中的关键问题之一。然而，聚变堆通常表现出高度复杂的三维几何结构以及显著的深穿透特性，这对高保真几何建模和高效全局中子输运计算都提出了巨大挑战。
蒙特卡罗（MC）方法因其高保真粒子输运能力而在聚变中子学分析中发挥着重要作用。包括 MCNP[3]、RMC[4]、OpenMC[5]、Serpent[6] 和 TRIPOLI[7] 在内的几个 MC 程序已成功应用于聚变中子学问题。尽管如此，聚变中子学分析仍面临两大挑战：复杂几何的高保真表示和深穿透问题的高效全局中子输运计算。
对于复杂几何问题，MC 程序中使用的传统构造实体几何（CSG）方法在描述复杂曲面和精细结构细节方面存在局限性。非结构化网格（UM）作为一种先进的几何表示方法，可以通过离散化网格单元准确描述复杂几何，同时自然承载丰富的体积信息和局部物理属性。将 UM 引入 MC 程序后，可以进一步实现高保真复杂几何建模、细分辨率统计能力和高保真多物理场耦合分析。近年来，几个 MC 程序开展了基于 UM 的粒子输运和细分辨率统计方法研究，包括 MCNP[8]、RMC[9]、JMCT[10]、NECP-MCX[11] 和 cosRMC[12]。这些研究为复杂聚变几何模型中的高保真建模和全空间细分辨率统计计算提供了重要支持。
对于深穿透问题，MC 模拟通常需要方差减小（VR）方法来改进计算效率和统计质量。已经开发了各种经典 VR 方法，包括前向加权 CADIS（FW-CADIS）[13]、计算自动生成重要性方法（MAGIC）[14,15]、自动重要性采样（AIS）[16,17] 和权重窗口方法[[18], [19], [20], [21]]。这些方法可以有效地改进深穿透计算中的粒子输运效率和统计质量。尽管现有的 VR 方法已被广泛应用，但大多数方法仍依赖单元、结构化网格或粗略的确定性网格来生成重要性分布或权重窗口，导致空间分辨率和几何适应性有限。
为了解决这些局限性，UM 不仅提供高保真复杂几何表示，还自然实现了局部物理信息和 VR 参数的基于网格存储。因此，基于 UM 的 VR 方法可以在复杂聚变几何中实现高分辨率的重要性表示，从而能够对深穿透粒子输运问题进行更有效的模拟。
最近，几项研究将 VR 方法扩展到了 MC 程序中的 UM 模型。这些工作大多数基于确定性/蒙特卡罗耦合框架，在该框架中执行确定性伴随计算以生成后续 MC 模拟的源偏向或权重窗口参数 [11,22,23]。尽管这些研究证明了基于 UM 的 VR 方法的可行性，但它们仍依赖确定性伴随计算来生成 VR 参数。相比之下，纯 MC 基于 UM 的全局 VR 方法（其中全局重要性图直接由 MC 统计结果构建，无需确定性伴随求解器）的研究仍然很少，其有效性和工程适用性尚未得到系统评估。
基于上述背景，本研究在 RMC[24] 框架内开发了一种纯 MC 基于 UM 的全局 VR 方法。直接由 MC 中子通量统计构建基于网格的全局重要性图，无需确定性伴随计算或外部求解器。提出的方法利用 UM 网格单元建立高分辨率的全局重要性图，并通过粒子分裂和俄罗斯轮盘法执行基于网格的全局 VR 计算。此外，提出了基于区间的重要性合并策略和迭代重要性图生成策略，以进一步提高计算效率，减少对高粒子数参考计算的依赖，并提高所提方法的工程适用性。所提方法的有效性和性能使用简化的托卡马克聚变屏蔽模型进行评估。
