详细内容或原文请订阅后点击阅览
μ子和机器学习提供了了解密封核存储桶的新窗口
科罗拉多矿业学院的一位教授正在领导一个国际团队，研究重、高能电子和机器学习如何能够更好地了解存储桶内发生的情况。
来源:佩恩公共政策研究所“我们正在确保学生和博士后真正理解他们在做什么，”他说。 “对于现成的拓扑，如果它有效，你不会真正理解它为什么有效。如果它不起作用，你就很难知道从哪里开始。”
Osborne 表示，他鼓励学生从简单的开始，建立一个由神经元输入层、单层隐藏神经元和神经元输出层组成的网络。
“一旦我觉得学生或博士后已经达到了一定程度的理解，我会说，‘嘿，你为什么不尝试一下标准的方法，看看比较如何？’”
NEUP 的资助对于使这项研究成为可能至关重要，他期待类似的项目。 “阅读[融资机会公告通知]是找出您感兴趣的内容的一种非常有效的方法，”他说。 “我们的研究生课程规模越来越大。这是两项具有巨大潜力的技术。”
CINR 由 NEUP 管理，支持大学主导的与核能和燃料循环各个方面相关的项目。 CINR 第二阶段继续资助机会，就像奥斯本获得的那样，竞争性地授予通过 NEUP 为能源部核能办公室开展高质量工作的研究人员和团队。
编者注：核能大学计划 (NEUP) 的这篇精彩报道由爱达荷国家实验室的 Paul Menser 撰写，经 NEUP 许可在此重新发布。