文献

J-GLOBAL ID：202502278174365958   整理番号：25A0900764

機械学習による核分裂核データ構築(2)機械学習による核分裂収率の予測と評価

Development of Fission Nuclear Data using Machine Learning (2) Fission Product Yield Prediction and Evaluation Using Machine Learning

著者 (6件)： CHEN Jingde (東京工大) ,  向原悠太 (東京工大) ,  千葉敏 (NAT) ,  山野直樹 (東京工大) ,  片渕竜也 (東京工大) ,  石塚知香子 (東京工大)
資料名： 日本原子力学会秋の大会予稿集(CD-ROM)  (日本原子力学会秋の大会(CD-ROM))
巻： 2024  ページ： ROMBUNNO.2F11  発行年： 2024年 
JST資料番号： S0818B  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 核分裂生成物独立収率のエネルギー依存性として,評価値の線形内挿が適切でない例が重要な核種の核分裂反応において近年発見されている。そこで本研究ではBNNによる機械学習モデルを構築し,実験データの存在しないエネルギーや核種の核分裂収率を高精度で予測することを目指している。本講演では,評価値や実験値だけでなく,核物理の理論計算結果や知見を機械学習モデルに取り入れた成果の妥当性を,交差検証や広く使える情報量基準(WAIC)を用いて検証した結果について報告する。(著者抄録)

シソーラス用語： *核分裂 ,  核分裂生成物 ,  結合エネルギー ,  最適化 ,  エネルギー ,  廃棄物 ,  高速中性子型原子炉 ,  遅発中性子 ,  臨界 ,  *核分裂収量 ,  モデル ,  エネルギー依存性 ,  *核データ ,  *機械学習 ,  ライブラリーJENDL

著者キーワード (4件)： 核分裂生成物収率 ,  物理情報を導入したBNNモデル ,  情報量基準 ,  WAIC

分類 (5件)： 原子炉工学におけるその他の基礎的事項  (MD02050M) ,  原子核模型  (BG02040Z) ,  核子による反応・散乱  (BG04040N) ,  核反応一般  (BG04010G) ,  原子炉核特性  (MD02040B)

タイトルに関連する用語 (7件)： 機械学習 ,  核分裂 ,  核データ ,  構築 ,  核分裂収率 ,  予測 ,  評価