ニューラルネットワークを用いたKATRINのための高速で正確なモデル計算【JST・京大機械翻訳】

Karl Christian; Eller Philipp; Mertens Susanne

プレプリント

J-GLOBAL ID：202202214499521639 整理番号：22P0026760

ニューラルネットワークを用いたKATRINのための高速で正確なモデル計算【JST・京大機械翻訳】

Fast and precise model calculation for KATRIN using a neural network

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年01月12日プレプリントサーバーでの情報更新日： 2022年01月12日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

ニューラルネットワークを用いて,Karlsruhe Tritium Neutrino(KATRIN)実験の物理モデルを近似する高速で正確な方法を示した。KATRINは,90%信頼レベルで200meVの感度でベータ崩壊の運動学を用いて有効電子抗ニュートリノ質量を測定するために設計した。この目的を達成するために,1e-4レベル以下の相対誤差による高精度モデル予測が必要である。最終KATRINデータセットの解析のための正規数値モデルの使用は計算的に非常に高価であり,計算時間を低減するための近似を必要とする。計算要求を低減する解決策は,ニューラルネットワークを訓練し,予測ベータスペクトルとそのすべての関連する入力パラメータへの依存性を学習することである。これは,KATRINの厳密な精度要求を満たしながら,約3桁の計算のスピードアップをもたらす。【JST・京大機械翻訳】

, , , , , ,
, , , , , , , , 【Automatic Indexing@JST】

リモートセンシング一般 , 原子炉核特性 , 河川調査・計画 , 放射,大気光学 , 河川汚濁

前のページに戻る