nuclear-engineering

MIT研究人员提出了一种利用深度神经网络进行核临界实验逆向设计的方法，该方法采用新颖的多组注意力池化架构和基于梯度的优化策略，以最大化中子相似性系数。该方法被应用于验证HALEU燃料运输容器，在三种目标构型下均取得了较高的相似性评分。

本文提出了一种主动学习框架，将高保真 Modelica 仿真与更简单的代理模型（SINDyC、FNN、GRU）相结合，以创建高效的热能分配系统数字孪生。该方法在保持预测精度和实现不确定性量化的同时，显著减少了所需的仿真轨迹数量。