文献

J-GLOBAL ID：202002263124342617   整理番号：20A2501812

混合密度ネットワークによる核分裂片質量収率に関する不確実性の定量化【JST・京大機械翻訳】

Quantifying uncertainties on fission fragment mass yields with mixture density networks

著者 (3件)： Lovell A E (Los Alamos National Laboratory, Los Alamos, NM 87545, United States of America) ,  Mohan A T (Los Alamos National Laboratory, Los Alamos, NM 87545, United States of America) ,  Talou P (Los Alamos National Laboratory, Los Alamos, NM 87545, United States of America)
資料名： Journal of Physics. G. Nuclear and Particle Physics  (Journal of Physics. G. Nuclear and Particle Physics)
巻： 47  号： 11  ページ： 114001 (16pp)  発行年： 2020年 
JST資料番号： C0810B  ISSN： 0954-3899  CODEN： JPGPED  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 確率的機械学習技法は,入力データの中で確率または不確実性を考慮に入れるだけでなく,入力特性と出力量の間の複雑な関係の両方を学習できる。この初期研究では,そのような確率的ネットワーク,混合密度ネットワーク(MDN)を用いて,核分裂収率とその不確実性を再現した。252Cfの自然分裂に対する質量収率を研究し,収束予測に必要な訓練サンプル数を調べ,異なるレベルの不確実性が訓練セットからMDN予測に伝搬し,正規化と対称性のような収率のよい物理的制約がアルゴリズムによってどのようにアップヘルドされるかを調べた。最後に,235Uの中性子誘起核分裂に対するエネルギー依存質量収率を用いて,訓練セットにおける試料を越えて,外挿するMDNの能力を試験した。MDNは,不確実性を予測し予測するための信頼できる方法を提供し,核データのスパース集合を補うための有望な経路である。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  対称性 ,  中性子 ,  外挿法 ,  *ネットワーク ,  *不確実性 ,  ヘルド ,  核分裂収量 ,  核データ ,  正規化 ,  *核分裂片 ,  機械学習
準シソーラス用語： 入力データ , 【Automatic Indexing@JST】

分類 (1件)： 原子炉工学におけるその他の基礎的事項  (MD02050M)

タイトルに関連する用語 (6件)： 密度 ,  核分裂片 ,  質量 ,  収率 ,  不確実性 ,  定量化