神经代理优化核临界实验设计
热点事件持续更新
神经代理优化核临界实验设计
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Will Savage、Logan Burnett 和 Dean Price 发表研究，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，并利用网络可微性对材料组合做梯度优化，以最大化实验与目标技术的相关系数 c_k。 该方法被用于 HALEU 燃料的 TN-Americas TN-LC 运输容器验证，三种配置分别得到 0.97757、0.81324 和 0.93276 的 c_k 分数。这些分数来自论文报告，尚未经独立验证。
AI 根据报道生成 · 2 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：用神经代理特征值灵敏度设计临界实验报道时间线
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：用神经代理特征值灵敏度设计临界实验
研究用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，并借助网络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。