PulseAugur
中
实时 10:58:53
English(EN) Learning to Resolve Neutron Resonances with Fully Convolutional Neural Networks

AI模型在中子共振分析方面展现出潜力，但泛化能力仍是挑战

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员正在探索使用全卷积神经网络来改进中子透射谱的分析，这项任务传统上由R-Matrix代码处理。尽管开发的模型在识别共振区域时达到了93%的分类准确率，但其泛化到未见过同位素的能力有限，即使增加了训练数据也是如此。未来的工作将侧重于扩展训练数据集并整合中子共振的已知物理特性，以提高模型性能和可靠性。 AI

影响 通过自动化核物理领域的复杂数据分析，可能加速科学发现。

排序理由 学术论文，详细介绍了机器学习在科学问题上的新应用。[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 →

AI模型在中子共振分析方面展现出潜力，但泛化能力仍是挑战

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Nataly R. Panczyk, Athanasios Stamatopoulos, Josef Svoboda, Majdi I. Radaideh ·

    Learning to Resolve Neutron Resonances with Fully Convolutional Neural Networks

    arXiv:2608.04027v1 Announce Type: new Abstract: This work investigates the feasibility of augmenting traditional R-Matrix codes with a robust machine learning framework for automatically detecting neutron resonances in transmission spectra. Neutron transmission data are often com…

相关实体

相关话题