Comprehensive estimation of nuclide production cross sections using a phenomenological approach

現象論的アプローチによる核種生成断面積の広域的な推定

岩元 大樹   ; 明午 伸一郎   ; 杉原 健太*

Iwamoto, Hiroki; Meigo, Shinichiro; Sugihara, Kenta*

核種生成断面積は、原子力の研究、開発、宇宙探査、天体物理学的調査において極めて重要である。その重要性にもかかわらず、利用可能な実験データが限られているため、現象論的アプローチによる包括的な断面積推定の実用性が制限されている。この問題を解決するために、われわれは、豊富なデータを持つ元素の知識を、実験データが限られている、あるいは全くない元素に伝達することができるガウス過程に基づく機械学習(ML)モデルを提案する。われわれのMLモデルは、様々な元素の包括的な断面積推定を可能にするだけでなく、学習データが乏しい領域においても、物理モデルに近い予測能力を示す。

Nuclide production cross sections are crucial in nuclear research, development, space exploration, and astrophysical investigations. Despite their importance, limited experimental data availability restricts the practicality of phenomenological approaches to comprehensive cross-section estimation. To address this, we propose a Gaussian process-based machine learning (ML) model capable of transferring knowledge from elements with abundant data to those with limited or no experimental data. Our ML model not only enables comprehensive cross-section estimations for various elements but also demonstrates predictive capabilities akin to physics models, even in regions with scarce training data.