❖ 第一作者: Andrew Osborne, The Colorado School of Mines, USA
❖ 通讯作者: Andrew Osborne, The Colorado School of Mines, USA
❖ 作者邮箱: osbornea@mines.edu
摘要
通过核反应堆蒙特卡罗模拟计算的物理量通常记录在二维或三维空间和一维中子能量的网格上。因此,提高计算量的分辨率可能会对模拟运行仿真所需的内存和CPU时间产生显著影响。卷积神经网络已被证明能够准确地将低分辨率的图像上采样到比原始图像精细数倍的分辨率。在这里我们表明,卷积神经网络能够在蒙特卡罗中子输运模拟中沿着空间维度和能量维度以两倍的因子精确地上采样通量计数。使用OpenMC在64×64像素的空间分辨率和8个中子能量群下计算了压水堆组件中的中子通量统计量,作为神经网络的输入。该网络将低分辨率的中子通量上采样至128×128像素的空间分辨率和16个中子能量群中。同时,利用OpenMC计算了高分辨率的中子通量统计量及其不确定度,并与网络的预测结果进行了比较。上采样后的数据与高分辨率统计结果的一致性在OpenMC计算的统计不确定性范围内。
详情可点击下方“阅读原文”