用混合密度网络量化裂变碎片质量产额的不确定性
核理论
2020-10-28 v1 核实验
摘要
概率机器学习技术既能学习输入特征与输出关注量之间的复杂关系,也能考虑数据集内的随机性或不确定性。在这项初步工作中,我们探索使用一种此类概率网络——混合密度网络(MDN),来复现裂变产额及其不确定性。我们研究 Cf 自发裂变的的质量产额,探究收敛预测所需的训练样本数量、不同层级的不确定性如何从训练集传播至 MDN 预测,以及该算法在多大程度上维持产额的物理约束(如归一化与对称性)。最后,我们利用 U 上中子诱发裂变的能量依赖质量产额,测试 MDN 在训练集样本间插值及外推的能力。MDN 提供了一种包含和预测不确定性的可靠途径,是补充稀疏核数据集的一个有前景的方向。
引用
@article{arxiv.2005.03198,
title = {Quantifying Uncertainties on Fission Fragment Mass Yields With Mixture Density Networks},
author = {A. E. Lovell and A. T. Mohan and P. Talou},
journal= {arXiv preprint arXiv:2005.03198},
year = {2020}
}
备注
20 pages, 8 figures, submitted to J. Phys. G