深度神经网络学习快中子截面

作     者：胡泽华 应阳君 勇珩 续瑞瑞 HU Zehua;YING Yangjun;YONG Heng;XU Ruirui

作者机构：北京应用物理与计算数学研究所北京100094 中国原子能科学研究院北京102413 

出 版 物：《原子能科学技术》 (Atomic Energy Science and Technology)

年 卷 期：2023年第57卷第4期

页      面：812-817页

核心收录：

学科分类：08[工学] 0827[工学-核科学与技术] 082701[工学-核能科学与工程] 

基　　金：国家重点研发计划(2022YFA1004500) 国家自然科学基金委员会-中国工程物理研究院NSAF联合基金(U2230208) 核数据重点实验室基金(JCKY2022201C155) 

主　　题：深度神经网络 快中子截面 核数据评价 

摘      要：为探索利用机器学习方法辅助核反应数据评价的可行性,采用全连接深度神经网络算法学习中子截面数据,并考察预测能力。采用通用评价核数据库中快中子区的中子截面作为数据集,训练神经网络模型并进行验证和测试。提取ENDF/B-Ⅷ.0库中铀的12个同位素^(230~241)U的快中子区中子总截面和弹性散射截面,将^(230)U的截面作为待预测的测试数据,将^(232)U的截面作为验证数据,其余10个核素的截面作为训练数据。为获得具有预测能力的神经网络模型,利用训练数据训练系列神经网络模型,再利用验证数据挑选最优模型用于预测测试数据。验证和测试显示,通过训练,神经网络模型能够较好地反映评价库中截面数据随核素、入射中子能量的变化规律,对未知核素的中子截面数据表现出较强的预测能力。因此,神经网络算法有潜力成为核数据评价的新途径。