G-HyND: A Hybrid nuclear data estimator with Gaussian processes

G-HyND: ガウス過程を用いたハイブリッド核データ推定モデル

岩元 大樹   ; 岩本 修  ; 国枝 賢  

Iwamoto, Hiroki; Iwamoto, Osamu; Kunieda, Satoshi

ガウス過程を用いたハイブリッド核データ推定モデル(G-HyND)を開発した。本モデルは、ガウス過程モデルに基づき、実験データと原子核理論モデルに基づく解析データから構成されるデータを訓練データとして学習し、断面積などの核データを不確実性も含めて推定する。本論文では、実験データと解析データが核データの推定に相補的な役割を果たすとともに、これらを組み合わせて学習することで、核データをより合理的に推定できることを示す。さらに本モデルの枠組みで、ガウス過程に固有の問題である過剰適合及び計算コストに対する解決案を提示する。

A hybrid nuclear data estimator (G-HyND) based on a machine learning technique with Gaussian processes (GP) was developed. G-HyND estimates cross-sections from a hybrid training dataset composed of an experimental dataset and an analytical dataset based on a nuclear physics model, and generates the cross-section datasets including the dataset's uncertainty information. It was demonstrated that an experimental dataset and a physics model-based analytical dataset perform a complementary role in nuclear data generation, and that the generated nuclear data from the hybrid training dataset are more reasonable than only those from the experimental dataset. Furthermore, solutions for two inherent GP problems, i.e., overfitting and computational cost, are presented within the G-HyND framework.