面向非线性应用的核数据调整：基于贝叶斯逆不确定性量化的数据同化方法
核理论
2026-02-18 v1 机器学习
摘要
组织经济合作发展组织（OECD）核计算安全工作小组（WPNCS）提出了一个基准练习，以评估当前核数据调整技术在非线性应用和实验中的表现，这些实验与应用之间的相关性较低。本文引入基于贝叶斯逆不确定性量化（IUQ）的方法，用于核数据调整，并将其与更传统的广义线性最小二乘（GLLS）和蒙特卡洛贝叶斯（MOCABA）方法进行比较。对于线性应用，IUQ 的后验预测与 GLLS 和 MOCABA 一致。当将 GLLS、MOCABA 和 IUQ 的后验预测与使用调整后参数计算的模型响应进行比较时，我们发现 GLLS 的预测未能复制非线性应用中计算响应分布，而 MOCABA 接近一致，IUQ 则直接使用计算模型响应。我们还讨论了实验为何对低相关性实验仍具有信息量的观察，并确定了一些在选择纳入核数据调整实验时有用的属性。该基准测试的结果表明，贝叶斯 IUQ 在核数据调整中具有潜力。
引用
@article{arxiv.2509.07790,
title = {Nuclear Data Adjustment for Nonlinear Applications in the OECD/NEA WPNCS SG14 Benchmark -- A Bayesian Inverse UQ-based Approach for Data Assimilation},
author = {Christopher Brady and Xu Wu},
journal= {arXiv preprint arXiv:2509.07790},
year = {2026}
}
备注
31 pages, 9 tables, 8 figures, submitted to Nuclear Science and Engineering, included in proceedings of International Conference on Mathematics and Computational Methods Applied to Nuclear Science and Engineering (M&C 2025)