検索対象:     
報告書番号:
※ 半角英数字
 年 ~ 
 年
検索結果: 6 件中 1件目~6件目を表示
  • 1

発表形式

Initialising ...

選択項目を絞り込む

掲載資料名

Initialising ...

発表会議名

Initialising ...

筆頭著者名

Initialising ...

キーワード

Initialising ...

使用言語

Initialising ...

発行年

Initialising ...

開催年

Initialising ...

選択した検索結果をダウンロード

論文

The Optical potential for neutron-nucleus scattering derived by Bayesian optimization

渡辺 証斗*; 湊 太志; 木村 真明*; 岩本 信之

JAEA-Conf 2022-001, p.103 - 108, 2022/11

We are working on a combination of nuclear reaction calculation code CCONE and machine learning libraries to generate nuclear data and improve their accuracy. The angular distributions of elastic and inelastic scatterings to the first excited state on $$^{54}$$Fe at several incident energies were calculated using CCONE, and the optical potential parameters were optimized to reproduce the experimental data by Bayesian optimization. The optimized parameters were the depth of the real volume and imaginary surface parts of the potential, their energy dependence, radius, and diffuseness. Using the obtained optical potential, we estimated the angular distributions at energies different from those used on the optimization, and found that the results were in good agreement with the experiment data. In this presentation, we will introduce these calculation results and future prospects.

論文

Nuclear data generation by machine learning, 1; application to angular distributions for nucleon-nucleus scattering

渡辺 証斗*; 湊 太志; 木村 真明*; 岩本 信之

Journal of Nuclear Science and Technology, 59(11), p.1399 - 1406, 2022/11

 被引用回数:0 パーセンタイル:0.01(Nuclear Science & Technology)

In order to increase the efficiency of nuclear data evaluation, we have tested a combination of a nuclear reaction model and machine learning algorithm. We calculated nucleon-nucleus elastic scattering angular distributions by using the nuclear reaction model code, and optimized the potential parameters of an optical model to reproduce experimental data by means of the Bayesian optimization. We present optimization cases with the single parameter and two or more parameters, and show that our framework gives the angular distributions which are in good agreement with the observed ones.

口頭

チャネル結合光学模型を用いた核子-原子核散乱に対するポテンシャルの最適化

渡辺 証斗*; 湊 太志; 木村 真明*; 岩本 信之

no journal, , 

核反応データの評価に機械学習を導入することで、人的・時間的コストの削減だけではなく、従来扱えなかった大量の核反応データ情報を用いた評価ができるようになるなど、多くの利点が期待される。本研究では、ガウス過程回帰に基づきベイズ最適化を行うPythonライブラリGPyOptを採用し、これに核反応計算コードCCONEを組み込んだ。インプットとして、中性子全断面積と陽子・中性子弾性散乱角度微分断面積の実験データを用い、チャネル結合光学模型のポテンシャルパラメータを最適化した。本手法により、従来と同等の結果に加えてパラメータ間の相関も得られることを例示した。今回は小規模なデータセットに対してパラメータの最適化を行ったが、今後は扱うデータセットやパラメータを大規模化することで、機械学習の有用性を詳しく検証していく予定である。

口頭

チャネル結合光学模型を用いた核子-原子核散乱に対するポテンシャルの最適化,2

渡辺 証斗*; 湊 太志; 木村 真明*; 岩本 信之

no journal, , 

前回、中性子弾性散乱角度分布の実験データに対してガウス過程による回帰分析を行い、2つの光学模型パラメータを最適化して得られた結果を報告した。今回、最適化する光学模型パラメータの数を増やし、中性子弾性散乱や非弾性散乱の角度分布などを再現するように光学模型パラメータの最適化を試みた。その結果、実験データへの再現性に改善が見られ、JENDL-4.0の評価結果よりも再現性が向上していることを確認した。

口頭

Generating nucleon-nucleus scattering data by Gaussian process regression

渡辺 証斗*; 湊 太志; 木村 真明*; 岩本 信之

no journal, , 

Recent progresses in the data science have greatly impacted the study of nuclear data evaluation. The AI-technologies have a possibility to improve the accuracy of nuclear data and reduce the human and time resources required to construct the database. As one of such challenges, we are building a machine learning system that optimizes and estimates parameters of the nucleon-nucleus scattering models to generate an AI-based nuclear database. In this contribution, we will explain how our system is designed and works effectively. Our system combines the Gaussian process regression with the CCONE code system. By fitting measured cross sections, it optimizes the parameters of the nuclear reaction models, such as the optical potential and structural parameters of a target nucleus. It also estimates unknown energy dependence of the model parameters from experimental data. We will demonstrate the performance of our system and also how it helps in creating nuclear databases.

口頭

機械学習を用いた核子-原子核散乱に対する最適なポテンシャルの予測,2

渡辺 証斗*; 湊 太志*; 木村 真明*; 岩本 信之; 吉田 聡太*

no journal, , 

近年、機械学習を利用した核反応データの評価研究が進められている。我々は、ガウス過程回帰を用いて、任意の入射エネルギーにおける光学ポテンシャルのパラメータを推定する手法を2022年秋の大会で提案した。この手法では、訓練データの数や組み合わせによって核反応データの予測精度が変化するため、訓練データの選択に対する予測精度の依存性を明らかにすることが重要である。本研究では、弾性散乱角度分布の予測精度が、訓練データの数と組み合わせに応じてどの程度変化するのかを調べたので、その結果を報告する。

6 件中 1件目~6件目を表示
  • 1