在《核科学与技术》杂志上发表的一项关于反应堆物理的新研究中，四川大学和上海交通大学的研究人员引入了两种创新的神经网络，以解决中子扩散理论中与K特征值问题相关的长期挑战。这些问题是核工程领域的基础问题，对于核反应堆的模拟和分析至关重要。

这项研究引入了两种开创性的神经网络，即广义逆幂法神经网络(GIPMNN)及其高级版本物理约束GIPMNN(PC-GIPMNN)，以解决反应堆物理中的挑战。GIPMNN利用逆幂方法迭代地确定最低特征值和相关特征向量，而PC-GIPMNN通过无缝结合保守的接口条件来提升这种方法。

事实证明，在解决具有不同燃料组件的反应堆固有的界面挑战时，这一进步至关重要。值得注意的是，在复杂空间几何形状的并行性能评估中，PC-GIPMNN始终超过了其对应的GIPMNN和其他模型。这项研究选择了一种独立于数据的方法，纯粹关注数学和数值解决方案，从而消除了潜在的偏差。

这些发现预示着核反应堆物理学的新时代，为增强理解和更简化的模拟铺平了道路。所引入的神经网络的适应性暗示了它们在其他科学领域应对界面挑战的潜在用途。从本质上讲，这项研究强调了神经网络在反应堆物理学中的革命性前景。未来的努力无疑将完善这些网络，并探索它们在日益复杂的场景中的有效性。

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：