Total Monte Carlo 中用于数据修正与多级不确定性传播贝叶斯更新
核理论
2019-05-29 v1
摘要
在这项工作中，提出了一种在贝叶斯框架下结合微分和积分基准实验数据、利用 Total Monte Carlo 方法进行核数据修正和多级不确定性传播的方法。首先，从均匀分布中抽样并随机改变最先进核反应代码 TALYS 中实现的基本核物理模型的输入参数，以产生大量随机核数据文件。接下来，通过基于仅微分实验数据(第一次更新)然后基于积分基准数据(第二次更新)计算每个随机核数据文件的似然函数，进行概率数据同化。然后将两次更新的各个似然函数组合成全局似然函数，用于选择最终的“最佳”文件。所提出的方法已应用于快中子能区低于 20 MeV 的 Pb 的修正。将修正得到的“最佳”文件与 EXFOR 数据库中的可用实验数据以及主要核数据库的评价进行比较，发现其具有良好的一致性。
引用
@article{arxiv.1905.11808,
title = {Bayesian updating for data adjustments and multi-level uncertainty propagation within Total Monte Carlo},
author = {E. Alhassan and D. Rochman and H. Sjöstrand and A. Vasiliev and A. J. Koning and H. Ferroukhi},
journal= {arXiv preprint arXiv:1905.11808},
year = {2019}
}