利用神经网络优化 Woodcock 粒子跟踪方法
计算物理
2025-02-20 v1
摘要
Woodcock 跟踪算法中的接受率被推广为任意依赖于位置变化的变量 。利用神经网络优化 ，并以 FOM 值作为损失函数。该思想源自物理信息神经网络(PINN)，后者利用神经网络表示微分方程的解。本文中神经网络 应求解优化 FOM 的泛函方程。对于具有高斯吸收截面的 1d 传输问题，与常数 情形及原始 Woodcock 方法相比，我们观察到 FOM 值的显著提升。神经网络 Woodcock(NNW) 方法向 3d 体素模型的推广有待探索。
引用
@article{arxiv.2502.13620,
title = {Optimization of the Woodcock Particle Tracking Method Using Neural Network},
author = {Bingnan Zhang},
journal= {arXiv preprint arXiv:2502.13620},
year = {2025}
}