文献

J-GLOBAL ID：202202272014176028   整理番号：22A0880380

機械学習を用いた核データの生成

Nuclear data generation using machine learning

著者 (1件)： IWAMOTO Hiroki (Japan Atomic Energy Agency)
資料名： 日本原子力研究開発機構JAEA-Conf(Web)
号： 2021-001  ページ： 83-87 (WEB ONLY)  発行年： 2022年03月 
JST資料番号： U0297A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： ・Gauss過程に基づく回帰モデル(GPR)は回帰問題に対する予測分布を与え,核データだけでなく,対応する不確実性に対しても極めて有効。
・これ迄に,本方法により実験データから妥当な回帰曲線とそれらの不確実性を生成できることを実証。
・本論文では,Bayes機械学習にGauss過程を用いて回帰問題と分類問題を解く方法を解説。
・²⁷Al(p,X)⁴Heと²⁷Al(p,X)¹⁰Be反応に対して生成した核種生成断面積を物理モデル計算及び評価済核データライブラリーと比較。
・ランダムサンプラとしてのGPR及び実験データ集合が小さい場合の事例を検討。

シソーラス用語： Gauss過程 ,  回帰モデル ,  *核データ ,  不確実性 ,  *機械学習 ,  Bayes推定 ,  分類 ,  *断面積 ,  核反応 ,  核データライブラリー
準シソーラス用語： 核反応断面積 ,  生成断面積

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 (2件)： 機械学習 ,  核