Estimation of continuous distribution of iterated fission probability using an artificial neural network with Monte Carlo-based training data

モンテカルロ法に基づく訓練データと人工ニューラルネットワークを用いた反復核分裂確率の連続分布評価

Tuya, D.  ; 長家 康展  

Tuya, D.; Nagaya, Yasunobu

モンテカルロ中性子輸送計算手法は、固有値や積分中性子束などの様々な量を正確に評価するために用いられる。しかし、ある分布量を求める場合、モンテカルロ法では連続的な分布が得られないのが一般的である。近年、モンテカルロ法で連続分布を得るために、関数展開法やカーネル密度推定法が開発されている。本論文では、モンテカルロ法によって得られた訓練データと人工ニューラルネットワーク(ANN)モデルを用いたある物理量に対する連続分布の推定手法を提案する。概念実証として、2つの核分裂体系における反復核分裂確率(IFP)の連続分布をANNモデルにより推定した。ANNモデルによるIFP分布を、元のデータセット及びPARTISNコードで得られた随伴角中性子束と比較した。比較の結果、一致や不一致の程度はさまざまであったが、ANNモデルはIFP分布の一般的な傾向を学習することを確認した。

The Monte Carlo method is used to accurately estimate various quantities such as k-eigenvalue and integral neutron flux. However, when a distribution of a quantity is desired, the Monte Carlo method does not typically provide continuous distribution. Recently, the functional expansion tally and kernel density estimation methods have been developed to provide continuous distribution. In this paper, we propose a method to estimate a continuous distribution of a quantity using artificial neural network (ANN) model with Monte Carlo-based training data. As a proof of concept, a continuous distribution of iterated fission probability (IFP) is estimated by ANN models in two systems. The IFP distributions by the ANN models were compared with the Monte Carlo-based data and the adjoint angular neutron fluxes by the PARTISN code. The comparisons showed varying degrees of agreement or discrepancy; however, it was observed that the ANN models learned the general trend of the IFP distributions.