Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Tuya, D.; 長家 康展
Journal of Nuclear Engineering (Internet), 4(4), p.691 - 710, 2023/11
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。
朝比 祐一; 小野寺 直幸; 長谷川 雄太; 下川辺 隆史*; 芝 隼人*; 井戸村 泰宏
Boundary-Layer Meteorology, 186(3), p.659 - 692, 2023/03
被引用回数：0 パーセンタイル：0.01(Meteorology & Atmospheric Sciences)定点観測された風向などの時系列データおよび汚染物質放出点を入力として、汚染物質の地表面拡散分布を予測する機械学習モデルを開発した。問題設定としては、一様風が都市部へ流入し、都市部内にランダムに設置された汚染物質放出点から汚染物質が拡散するという状況を扱っている。機械学習モデルとしては、汚染物質放出点から汚染物質の拡散分布を予測するCNNモデルを用いた。風向などの時系列データは、Transformerや多層パーセプトロンによってEncodeし、CNNへと引き渡す。これによって、現実的に取得可能な定点測時系列データのみを入力とし、実用上価値の高い汚染物質の地表面拡散分布の予測を可能とした。同一のモデルを用いて定点観測時系列データから汚染物質放出点の予測が可能であることも示した。
野村 昌弘; 沖田 英史; 島田 太平; 田村 文彦; 山本 昌亘; 古澤 将司*; 杉山 泰之*; 長谷川 豪志*; 原 圭吾*; 大森 千広*; et al.
Proceedings of 18th Annual Meeting of Particle Accelerator Society of Japan (インターネット), p.80 - 82, 2021/10
J-PARC 3GeVシンクロトロンでは画像認識技術を用いることにより、ビームモニタで得たビーム進行方向の強度分布の画像から中心運動量からのずれ量が得られるようになった。今後、この得られた値を加速器の制御に使用することを考えた場合には、得られた値が信頼できるかが重要となってくる。なぜなら、画像認識技術では、データ取得に失敗した画像からも何らかの間違った値が得られてしまうからである。得られた値が信頼できるかどうかは当然その画像で決まる。そこで、今回機械学習の一種であるオートエンコーダーによる異常診断の手法を画像の診断に適用することにより、画像から得られた値が信頼できるかを示す指標を得ることができた。
朝比 祐一; 畑山 そら*; 下川辺 隆史*; 小野寺 直幸; 長谷川 雄太; 井戸村 泰宏
Proceedings of 2021 IEEE International Conference on Cluster Computing (IEEE Cluster 2021) (Internet), p.686 - 691, 2021/10
被引用回数：2 パーセンタイル：72.38(Computer Science, Hardware & Architecture)多重解像度の定常流を予測する畳み込みニューラルネットワークを開発した。本モデルは、最先端の画像変換モデルpix2pixHDに基づき、パッチ化された符合付き距離関数から高解像度の流れ場の予測が可能である。高解像度データをパッチ化することにより、pix2pixHDと比べてメモリ使用量を削減した。
小山田 耕二*; Yu, L.*; 河村 拓馬; 小西 克己*
International Journal of Modeling, Simulation, and Scientific Computing, 12(2), p.2140001_1 - 2140001_19, 2021/04
流体や気象,宇宙観測など様々な分野においてセンサー技術が向上し、そこから得られたビッグデータに対して偏微分方程式(PDE)による説明モデルを導出することは重要な課題である。本論文では、時空間的に離散した点群データを対象にして、高階の微分を含む線形のPDEを推定する技術を提案する。この技術では点群データを学習したニューラルネットワーク(NN)から時間・空間の微分値を計算し、回帰分析技術を用いてPDEの微分項を推定する。実験では、厳密解を持つPDEを対象にして、様々なメタパラメータに対して推定PDEの誤差を計算した。その結果、NNの階層を厳密解のPDEに含まれる微分項の階数に合わせて増やし、回帰分析の手法としてLASSOによるL1正則化を採用することでモデルの精度が高まると分かった。
Subekti, M.*; 工藤 和彦*; 鍋島 邦彦; 高松 邦吉
Atom Indonesia, 43(2), p.93 - 102, 2017/08
HTTR炉心の中心制御棒を引き抜く反応度添加抜試験を評価する際、1点炉近似の動特性モデルを用いた解析手法は、最も汎用的である。一方、制御棒が引き抜かれると同時に、将来の反応度および中性子束の変化予測値を速やかに出力するには、非常に速い処理速度を持つ別の解析手法を必要とする。そこで、Time Delayed Neural Network (TDNN)とJordan Recurrent Neural Network (JordanRNN)を組み合わせ、新たにTD-Jordan RNNというニューラルネットワーク・モデルを作成し、HTTRの試験データをオフラインで十分学習させた。その結果、反応度添加試験時の反応度および中性子束の変化予測値を速やかに出力することができた。
芳野 隆治
Nuclear Fusion, 45(11), p.1232 - 1246, 2005/11
被引用回数：37 パーセンタイル：74.07(Physics, Fluids & Plasmas)トカマクプラズマにおいてベータ限界時に発生するディスラプションを予測するニューラルネットワークをJT-60Uのデータを用いて開発した。ベータ限界ディスラプションでは数10ms前に予兆現象を観測できないので、まず、2msごとに規格化ベータの限界値を出力するサブネットワークを開発した。第一段階ではこの限界値の目標値を適当に与えて訓練し、第二段階では第一段階の訓練で得た出力を用いて限界値の目標値を調整し訓練した。これにより安定放電に対する誤り警報の発生率を大きく低減した。誤り警報の発生率をさらに低減するために、上記訓練で得たネットワークから出力する規格化ベータ限界値と実際の規格化ベータ値との差をほかの11種類のデータとともに主ネットワークに入力し、プラズマの安定度を出力するようにした。この安定度がある警報レベルより低下するとディスラプションの発生を予測する。この結果、ディスラプション発生の10ms前に、80%の予測成功率を4%の誤り警報で得られることを示した。80%は、誤り警報発生率4%における従来の予測成功率10%に比べて格段の性能向上である。さらに90%の予測成功率を誤り警報の発生率12%で得られることを示した。この12%は、従来得られていた誤り警報発生率の約半分である。
Shu, Y.; 中島 憲宏
Proceedings of 11th International Conference on Human-Computer Interaction (HCI International 2005) (CD-ROM), 9 Pages, 2005/07
原研では原子力発電設備の経年変化による健全性保全などの検証や予測技術を計算科学技術の観点から、3次元仮想振動台の研究開発を行っている。われわれは、3次元仮想振動台における各種シミュレーションの入出力データの意味を解釈し、その物理的意味を明らかにする情報推論システムを開発している。本論文は人間認識モデルが含めたハイブリッドデータマイニング手法を提案し、それに基づく情報推論システムを開発する。本システムでは、解析者を模擬したマイニングコントロールエージェントが出力データを分析・検証し、データマイニングプロセスを直接的に制御する。また、本マイニングシステムの中心的構成要素となるニューラルネットワーク手法は、再学習機能と説明機能が付加された高機能なものである。われわれは、ここで提案した手法に基づく情報推論システムを試作し、実運用状態のプラント内で発生する現象を解析する際に不可欠な物理情報の意味を解釈する道具としての有効性を確認するため、複雑な耐震データを用いた検証試験を行った。
大野 富生*; Subekti, M.*; 工藤 和彦*; 高松 邦吉; 中川 繁昭; 鍋島 邦彦
日本原子力学会和文論文誌, 4(2), p.115 - 126, 2005/06
日本原子力研究所の高温工学試験研究炉(HTTR)では高温ガス炉の安全性実証を目的とした制御棒引き抜き試験が行われている。試験の実施には事前解析が必要で、本報ではニューラルネットワークを用いた原子炉出力及び反応度変化の予測手法について報告する。本研究で提案するのはリカレントネットワーク(RNN)を基本とし、時系列データの処理性能を向上させるため時間同期信号(TSS)を加えたモデルである。ネットワークの入力とするのは中央制御棒位置変化と他の重要な炉心情報で、原子炉出力及び反応度変化を出力とする。学習後、今後の試験における原子炉出力及び反応度変化の予測が可能となる。
Shu, Y.; 中島 憲宏
Proceedings of 1st International Workshop on Risk Management System with Intelligent Data Analysis (RMDA 2005) in Conjunction with 19th Annual Conference of the Japanese Society for Artificial Intelligence (JSAI 2005), p.35 - 44, 2005/06
人間認識モデルを取り入れた混成データマイニング手法を提案し、それに基づく知的推論システムを開発する。本システムでは解析者を模擬したマイニング制御エージェントが出力データを分析・検証し、データマイニングプロセスを直接的に制御する。また、本マイニングシステムの中心的構成要素となるニューラルネットワーク手法は、再学習機能と説明機能が付加された高機能なものである。われわれは、ここで提案した手法に基づく情報推論システム試作し、原子力発電所の信頼性にかかわる情報を抽出する道具としての有用性を示すため、複雑な耐震データを用いた検証試験を行った。
鍋島 邦彦; Ayaz, E.*; Seker, S.*; Barutcu, B.*; T
rkcan, E.*
Proceedings of International Conference on Artificial Neural Networks and the International Conference on Neural Information Processing (ICANN/ICONIP 2003), p.406 - 409, 2003/06
ニューラルネットワークとエキスパートシステムを利用して、オランダボルセレ原子力発電所のオンラインプラント監視システムを開発した。フィードフォワード型及びリカレント型ネットワークを用いてプラントのモデル化と異常検知を行い、ルールベース型エキスパートシステムでプラント診断を行った。オフラインによる結果から、ニューラルネットワークがプラント動特性を正確にモデル化できることが示された。また、オンラインの結果より、本監視システムがプラント状態を実時間で診断できることが明らかになった。
鍋島 邦彦; 鈴土 知明; 大野 富生*; 工藤 和彦*
Mathematics and Computers in Simulation, 60(3-5), p.233 - 244, 2002/09
被引用回数：15 パーセンタイル：69.81(Computer Science, Interdisciplinary Applications)本研究では、ニューラルネットワークとルールベース実時間エキスパートシステムを利用したハイブリッド監視システムについて述べる。データ収録システムと支援画面を含めた全システムが、オンラインPWRシミュレータでテストされた。その結果、監視システムのニューラルネットワークは、プラント動特性を適切にモデル化し、異常兆候を従来監視システムよりも早い段階で検知した。また、実時間エキスパートシステムも、ニューラルネットワーク出力と知識ベースと利用してシステム状態を正確に診断し、画面に表示した。
辻 宏和; 藤井 英俊*
Proceedings of 10th German-Japanese Workshop on Chemical Information, p.127 - 130, 2002/00
304ステンレス鋼照射材のクリープ破断特性を予測することを目的として、原研で整備した材料データベースをもとに、ベイズ推定とニューラルネットワークを組み合わせたモデルを構築した。応力水準を、クリープ破断時間,クリープ試験温度,材料の化学組成(10元素),熱処理温度,熱処理時間,中性子照射温度,高速中性子照射量,熱中性子照射量,照射時間の関数としてモデル化した。モデル化に用いたのは材料データベースに格納されている347クリープ破断データセットである。ベイズ推定を適用することでエラーバーを含めた予測が可能となり、個々の条件因子の重要度がわかるようになった。
鍋島 邦彦; 鈴土 知明; 大野 富生*; 工藤 和彦*
Knowledge-Based Intelligent Information Engineering Systems & Allied Technologies, p.1506 - 1510, 2001/09
ニューラルネットワークとエキスパートシステムを用いた原子力プラントの監視システムを開発した。オートアソシアティブニューラルネットワークはプラント動特性をモデル化し、エキスパートシステムはニューラルネットワークの出力及びその他のプラント情報からプラントの状態を診断する。オンラインPWRシミュレータへ適用した結果、本監視システムが異常兆候を初期の段階で見知し、診断することが示された。
久語 輝彦; 中川 正幸
Journal of Nuclear Science and Technology, 36(4), p.332 - 343, 1999/04
被引用回数：0 パーセンタイル：0.01(Nuclear Science & Technology)原子炉設計では、設計変数の最適な値を決定するため、多数回のパラメータサーベイ計算を要し、通常、多大な計算時間が費やされる。この作業を支援するため、設計窓、すなわち設計基準や要求仕様を満足する設計変数の範囲を多次元空間において効率的に得る手法を開発し、核及び熱水力設計分野に応用した。本方法の原理は、解析コードにより得られた教師信号を階層型ニューラルネットワークに学習させ、それを解析コードの代わりに用いることによって計算時間の短縮を図るというものである。本手法を高転換型水炉の設計に適用し、ネットワーク構造及び教師データ個数が設計窓の推定精度に与える影響を調べ、本手法の原子炉炉心設計における信頼性及び有効性を評価した。その結果、必要に応じて4層構造を用いて過学習を避ければ、安定的に精度よく設計窓を決定できることを示した。
鍋島 邦彦; Tuerkcan, E.*; 鈴土 知明; 中川 繁昭; 井上 浩司*; 大野 富生*; 工藤 和彦*; 鈴木 勝男
Proc. of Human-Computer Interaction International'99, 2, p.1187 - 1191, 1999/00
ニューラルネットワークとエキスパートシステムを組み合わせたハイブリッド監視システムを開発し、高温ガス冷却炉HTTRに適用する。本監視システムは、フィードバック結合を持つカレントニューラルネットワークを用いて原子炉の動特性モデルを構築することにより、微小な異常兆候を早期に検知し、このネットワーク出力と運転員からのプラント情報を基にエキスパートシステムで異常を診断する。また、マンマシンインターフェイスを考慮し、運転員支援のための適切な表示も行う。これまでに、動特性解析コードACORDを利用して、正常運転及びいくつかの異常事象のシミュレーションデータを作成し、監視システムの性能評価を行った。その結果、このシステムがHTTRの異常検知・診断にも有効であることが明らかになった。
鍋島 邦彦; 鈴土 知明; 鈴木 勝男; Tuerkcan, E.*
Journal of Nuclear Science and Technology, 35(2), p.93 - 100, 1998/02
被引用回数：36 パーセンタイル：91.63(Nuclear Science & Technology)本論文では、ニューラルネットワークを利用した原子炉運転中の異常検知について述べる。この手法の基本原理は、実際のブラントから測定されたプロセス信号とプラントモデルから得られる出力信号の誤差が大きくなる場合に異常を検知するものであり、プラントは3層のオートアソシアティブ型ニューラルネットワークでモデル化されている。オートアソシアティブ型ネットワークを用いると、未知のプラント状態を検知できるという利点がある。ここで用いる新しい学習方法は、一般的な誤差逆伝播アルゴリズムを改良したもので、ニューラルネットワークによるプラントの動的モデルが得られる。実炉による試験の結果、このプラント監視システムが、原子炉の起動、停止、定常運転を含めた広い出力範囲にわたって、実時間で微小な異常兆候を的確に検知できることが明らかになった。
久語 輝彦; 中川 正幸
Proc. of Int. Conf. on the Phys. of Nucl. Sci. and Technol., 1, p.704 - 711, 1998/00
原子炉炉心設計においては、基本的な設計変数の最適な値を決定するため、通常、多数回のパラメータサーベイ計算を要する。この作業を支援するため、設計窓、すなわち設計基準や要求仕様を満足する設計変数の範囲を多次元空間において効率的に得る手法を開発し、核設計分野に応用した。本方法の原理は、解析コードにより得られた教師信号を階層型ニューラルネットワークに学習させ、それを解析コードの代わりに用いることによって計算時間の短縮を図るというものである。本研究では、ネットワーク構造及び教師データ個数が設計窓の推定精度に与える影響を調査し、本手法の信頼性・有効性を評価した。その高転換型重水炉の設計に適用した結果から、学習パラメータを適切に調整すれば、本手法は安定的に精度よく設計ウィンドウを決定できることを示した。
鍋島 邦彦; 鈴木 勝男; 野瀬 正一*; 工藤 和彦*
Monitoring and Diagnosis Systems to Improve Nuclear Power Plant Reliability and Safety, 0, p.17 - 26, 1996/00
本論文では、ニューラルネットワークを用いた原子力プラント監視システムを実証する。この監視システムの特長は、数学的表現なしに測定データのみで多出力系をモデル化できることである。原子炉の動特性モデルは、3層からなるオートアソシアティブネットワークで構築され、学習則にはバックプロバゲーションを採用した。この異常検知法は、測定されたプロセス信号とニューラルネットワークモデルの出力信号の偏差を監視するものである。定常運転時の機器故障によって引き起こされる4種類の異常事象を用いてニューラルネットワーク監視システムの性能を評価した。その結果、この監視システムが、従来の警報システムより早く微小な異常兆候を検知することが明らかになった。
久語 輝彦; 中川 正幸
PHYSOR 96: Int. Conf. on the Physics of Reactors, 1, p.B73 - B81, 1996/00
原子炉炉心設計では基本的な設計変数の最適な組み合わせを決定するために、従来多大な計算時間と手間を要して、パラメトリックサーベイ計算を繰り返すという手法がよくとられている。この作業を直接支援するために、多数の設計変数に対して効率よく設計ウィンドウを推定する手法を階層型ニューラルネットワークを用いて開発した。本手法は、設計変数から炉心特性値を推定するニューラルネットワークを構築し、解析コードの実行により得られた設計変数と炉心特性値の組の複数個を教師データとしてそのニューラルネットワークに学習させ、学習済み階層型ニューラルネットワークより、未知の設計変数の組み合わせに対しても短時間で適当な炉心特性値を推定させるという手法である。本手法を燃料ピン設計を対象に核及び熱水力設計分野に応用した。高転換軽水炉の設計に適用し、本手法の有効性を確かめた。
