Approximate estimation of iterated fission probability by deep neural network

ディープニューラルネットワークによる反復核分裂確率の近似的評価

Tuya, D.  ; 長家 康展  

Tuya, D.; Nagaya, Yasunobu

随伴中性子束は、動特性パラメータの計算やインポータンスサンプリング分散低減法などのように様々な原子炉応用において重み関数として用いられる。反復核分裂確率(IFP)は、随伴角度中性子束の基本モードに比例するものであるが、モンテカルロ計算における重み関数として用いられる機会が増加している。モンテカルロベースのIPF法、ある位相空間点におけるIFPを確率的に評価する。本研究では、核分裂体系における位相空間位置からIFPへマッピングする未知の分布関数を近似的に評価するために、ディープニューラルネットワークの適用性を調査した。予備的な適用性評価をGodiva炉心と簡素化STACY炉心に対して行った。比較の結果、DNNによる結果と決定論的中性子輸送コードPARTISNによる参照結果との間には一致する部分と一致しない部分があることがわかった。

Adjoint angular neutron flux is used as weighting function in various reactor applications such as calculation of kinetics parameters, importance sampling variance reduction techniques, etc. Iterated fission probability (IFP), which is proportional to a fundamental mode of adjoint angular neutron flux, has increasingly been used as weighting function in Monte Carlo calculations. The Monte Carlo based IFP methods stochastically estimate IFP for a given phase-space location. In this work, we investigated the applicability of a deep neural network for approximating an unknown underlying function, which maps from a phase-space location to an IFP in a given fissile system, from dataset produced by a Monte Carlo based IFP method. The preliminary application has been performed for the Godiva and simplified STACY cores. The comparison showed a varying degree of agreement and discrepancy between the results by the DNN and the reference results by a deterministic neutron transport code PARTISN.