arXiv 发布核临界实验神经网络优化论文
热点事件持续更新
arXiv 发布核临界实验神经网络优化论文
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Will Savage、Logan Burnett 和 Dean Price 在 arXiv 的 cs.LG 分类提交论文，提出用物理信息深度神经网络预测栅格型核临界实验几何的中子灵敏度，并借助其可微性对材料组合做梯度优化，以最大化与目标技术的相关系数 c_k。 该方法被应用于 HALEU 燃料的 TN-Americas TN-LC 运输容器验证，论文称三种关注配置的 c_k 分数分别为 0.97757、0.81324 和 0.93276。
AI 根据报道生成 · 1 小时前更新
最新进展10月8日 12:00
基于梯度的核临界实验优化：用神经网络替代特征值灵敏度报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv：cs.LG基于梯度的核临界实验优化：用神经网络替代特征值灵敏度
研究团队训练物理信息深度神经网络预测栅格型临界实验几何的中子灵敏度，并利用其可微性对材料组合进行梯度优化，以最大化与目标技术的相关系数 c_k。该方法应用于 HALEU 燃料的 TN-Americas TN-LC 运输容器验证，三种关注配置分别取得 0.97757、0.81324 和 0.93276 的 c_k 分数。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。