ガウス過程を用いたハイブリッド核データ推定手法の開発

岩元 大樹; 岩本 修; 国枝 賢

no journal, , 

核データは主に、原子核の微視的理論や断面積の実験値に適合するように、核反応モデルのモデルパラメータを調整することで評価されるが、従来の核データ評価手法では、モデルの選択及びパラメータの調整に多大な作業コストと評価者の熟練を必要とする。この課題に取り組むため、本研究では、機械学習に基づいて核データを推定する手法(G-HyND)を開発した。本手法は、機械学習技術の一種であるガウス過程を用いて核データを推定する。訓練データとして、実験データと核反応モデルに基づく解析データを組み合わせて学習することで、核データをより合理的に推定することが可能である。本発表では、実験データと解析データが核データの推定に相補的な役割を果たすとともに、これらを組み合わせて学習することで、核データをより合理的に推定できることを示す。さらに、本モデルの枠組みでガウス過程に固有の問題である過剰適合及び計算コストに対する解決案を提示する。