检索结果-南通市图书馆

Prediction of (n, 2n) reaction cross-sections of long-lived fission products based on tensor model

NUCLEAR SCIENCE AND TECHNIQUES 2024年第10期35卷 1-14页

作者： Huang, Jia-Li Wang, Hui Huang, Ying-Ge Xiao, Er-Xi Feng, Yu-Jie Lei, Xin Gu, Fu-Chang Zhu, Long Chen, Yong-Jing Su, Jun Sun Yat Sen Univ Sino French Inst Nucl Engn & Technol Zhuhai 519082 Peoples R China China Inst Atom Energy Key Lab Nucl Data Beijing 102413 Peoples R China China Inst Atom Energy China Nucl Data Ctr Beijing 102413 Peoples R China

Interest has recently emerged in potential applications of (n, 2n) reactions of unstable nuclei. Challenges have arisen because of the scarcity of experimental cross-sectional data. This study aims to predict the (n, 2n) reaction cross-section of long-lived fission products based on a tensor model. This tensor model is an extension of the collaborative filtering algorithm used for nuclear data. It is based on tensor decomposition and completion to predict (n, 2n) reaction cross-sections; the corresponding EXFOR data are applied as training data. The reliability of the proposed tensor model was validated by comparing the calculations with data from EXFOR and different databases. Predictions were made for long-lived fission products such as 60Co, 79Se\documentclass[12pt]{minimal} \usepackage{amsmath} \usepackage{wasysym} \usepackage{amsfonts} \usepackage{amssymb} \usepackage{amsbsy} \usepackage{mathrsfs} \usepackage{upgreek} \setlength{\oddsidemargin}{-69pt} \begin{document}$${{79}} {\mathrm{Se}}$$\end{document}, 93Zr\documentclass[12pt]{minimal} \usepackage{amsmath} \usepackage{wasysym} \usepackage{amsfonts} \usepackage{amssymb} \usepackage{amsbsy} \usepackage{mathrsfs} \usepackage{upgreek} \setlength{\oddsidemargin}{-69pt} \begin{document}$${{93}}\mathrm{Zr}$$\end{document}, 107P\documentclass[12pt]{minimal} \usepackage{amsmath} \usepackage{wasysym} \usepackage{amsfonts} \usepackage{amssymb} \usepackage{amsbsy} \usepackage{mathrsfs} \usepackage{upgreek} \setlength{\oddsidemargin}{-69pt} \begin{document}$${{107}}\mathrm{P}$$\end{document}, 126Sn\documentclass[12pt]{minimal} \usepackage{amsmath} \usepackage{wasysym} \usepackage{amsfonts} \usepackage{amssymb} \usepackage{amsbsy} \usepackage{mathrsfs} \usepackage{upgreek} \setlength{\oddsidemargin}{-69pt} \begin{document}$${{126}}\mathrm{Sn}$$\end{document}, and 137Cs\documentclass[12pt]{minimal} \usepackage{amsmath} \usepackage{wasysym} \usepackage{amsfonts} \usepackage{amssymb} \usepackage{amsbsy} \usepack

关键词： (n, 2n) Reaction cross-section Tensor model Machine learning Collaborative filtering algorithm selective transmutation NUCLEAR-DATA transmutation N,2N

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：