机构名称：
¥ 1.0
CEA，并在实验室中开发了包括Fifrelin在内的几种核裂变守则。代码依赖于四个免费参数，这些参数是为了重现平均中子和伽玛多重性的四个免费参数。这些输出均以各自的不确定性计算。在这项工作中，Fifrelin被视为黑匣子，我们从中没有任何先验知识。目的是找到合适的自由参数列表，以获取特定的输出数据。由于蒙特 - 卡洛方法，对目标不确定性（约9分钟）的计算时间相对较高，为0.01或0.03-取决于组件。因此，随机探索输入空间（4个维度）是很耗时的。在本文中，我们建议使用机器学习来克服此类问题。由于输入和输出数量少，并且我们对输出的不确定性所使用的机器学习方法的事实是高斯过程回归，也称为Kriging [1]。我们提出的方法结合了这种Kriging方法和目标中的优化算法，以找到与给定输出相对应的自由输入参数。以下第2节介绍了算法Fifrelin，该作品的目标是在第3节中确定的。第4节是关于高斯流程回归背后的数学和关于我们开发的算法的第5部分。最后，我们在6中显示了结果，并得出了结论。
使用机器学习吸收裂变代码fifrelin
主要关键词
相关文件推荐
