基于Bayesian神经网络评价核裂变产额分布

作     者：王子澳 强雨 裴俊琛 WANG Ziao;QIANG Yu;PEI Junchen

作者机构：北京大学物理学院和核物理与核技术国家重点实验室北京100871 

出 版 物：《原子核物理评论》 (Nuclear Physics Review)

年 卷 期：2020年第37卷第4期

页      面：918-923页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0827[工学-核科学与技术] 082701[工学-核能科学与工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(11975032,11790325,11835001) 国家重点研发计划项目(2018YFA0404403) 

主　　题：核裂变 神经网络 裂变产物 

摘      要：核裂变碎片的产额是核能和核应用领域中的关键基础数据。在实验和理论上,获得精确且完整的能量依赖的裂变产额到目前为止都是一个挑战。贝叶斯神经网络(Bayesian Neural Networks,BNN)可以描述需要量化不确定性的逆向回归问题。基于BNN学习已有的裂变产额,可以给出未知的裂变产额及其不确定度。特别是当裂变产物产额的实验数据不完整时,BNN可以推断出完整的裂变产额。在裂变产额的质量分布和能量依赖关系上,BNN的评价结果比较合理。研究结果表明BNN在核数据评价领域有广泛的应用前景。