PulseAugur
实时 05:45:08
English(EN) Neural Operator Surrogates for Two-Dimensional Neutron Flux Estimation

神经算子增强二维中子注量估计

研究人员开发了新的神经算子模型,特别是傅里叶神经算子(FNO)和U型神经算子(UNO),用于估计二维场景下的中子注量。这些模型经过训练,使用材料和源场来近似标量注量,其中一个FNO变体还结合了注量的单程近似。这些代理模型的性能通过离散纵标求解器的高保真解进行评估,并通过平均相对L2误差范数来衡量准确性。 AI

影响 引入了用于复杂物理模拟的新型神经算子架构,有可能提高核工程等领域的效率。

排序理由 该集群包含一篇详细介绍新研究方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

神经算子增强二维中子注量估计

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Japan K. Patel, Barry D. Ganapol, Anthony Magliari, Matthew C. Schmidt, Todd A. Wareing ·

    用于二维中子通量估计的神经算子代理模型

    arXiv:2607.19388v1 Announce Type: new Abstract: This work extends our one-dimensional single-sweep neural-operator studies to two dimensions. We consider one-group transport with isotropic scattering. As in the one-dimensional work, we use Fourier neural operators (FNOs) to appro…