快捷入口

  • 投审稿平台

 

 

   核技术

 

 

 

 

 

 

 

 

 

 

 

 

主编：马余刚

ISSN:0253-3219

CN:31-1342/TL

主管单位：中国科学院

主办单位：中国科学院上海应用
物理研究所；中国核学会

出版周期：月刊

 

 

 

 

 

推荐文章

更多

基于物理信息贝叶斯神经网络的光中子反应的研究

基于贝叶斯神经网络预测了光中子反应的光中子反应道——(γ,n)和(γ,2n)的反应截面。优化器采用Torch.Adam，学习率设置为0.000 1。在训练过程中，结合物理信息引导有效增强了贝叶斯神经网络对数据结构的捕获能力。优化后的贝叶斯神经网络算法显著缩短了训练时间，单个模型的训练时间不超过7 min，为大量模型测试提供了保障。模型训练完成后，分析了B2、B3和B4模型（隐含层数量分别为2~4）的训练集预测结果，发现随着神经网络隐含层数的增加，模型对数据结构的捕捉能力逐渐增强，且在相同训练次数下表现更为突出。对于训练集中的89Y和159Tb，所有模型均能较好地描述单、双巨共振峰核的(γ,n)和(γ,2n)反应截面，并准确给出巨共振峰的峰位、峰宽和峰高。随后，使用不同模型对197Au的(γ,n)和(γ,2n)反应截面进行了预测，并与实验数据进行了对比。结果表明：与训练集相似，隐含层数量最多的B4模型预测结果最佳。最后，对175Lu的预测分析显示，B4模型可以精确地给出双峰核的峰位和峰相对高低。随着隐含层的增加，模型对训练集的拟合效果和泛化能力均得到了显著提升。未来，基于物理信息的贝叶斯神经网络有望提供更多可靠的光核反应截面数据，为解决实验室间数据分歧提供有力支持。

> 核物理及核数据中的机器学习应用专题

孙乾坤, 张岳, 郝子锐, 王宏伟, 范功涛, 许杭华, 刘龙祥, 陈开杰, 金晟, 王振伟, 徐孟轲, 王向飞

基于物理信息贝叶斯神经网络的光中子反应的研究
  • 最新文章
  • 优先出版
  • 过刊浏览
更多
Volume 48 期 5，2025 2025年48卷第5期

  • 核物理及核数据中的机器学习应用专题

    “在光核反应截面预测领域，专家基于贝叶斯神经网络优化算法，显著提升了模型训练效率和预测准确性，为解决实验室间数据分歧提供有力支持。”

    孙乾坤, 张岳, 郝子锐, 王宏伟, 范功涛, 许杭华, 刘龙祥, 陈开杰, 金晟, 王振伟, 徐孟轲, 王向飞

    DOI：10.11889/j.0253-3219.2025.hjs.48.240501
    摘要：基于贝叶斯神经网络预测了光中子反应的光中子反应道——(γ,n)和(γ,2n)的反应截面。优化器采用Torch.Adam，学习率设置为0.000 1。在训练过程中，结合物理信息引导有效增强了贝叶斯神经网络对数据结构的捕获能力。优化后的贝叶斯神经网络算法显著缩短了训练时间，单个模型的训练时间不超过7 min，为大量模型测试提供了保障。模型训练完成后，分析了B2、B3和B4模型（隐含层数量分别为2~4）的训练集预测结果，发现随着神经网络隐含层数的增加，模型对数据结构的捕捉能力逐渐增强，且在相同训练次数下表现更为突出。对于训练集中的89Y和159Tb，所有模型均能较好地描述单、双巨共振峰核的(γ,n)和(γ,2n)反应截面，并准确给出巨共振峰的峰位、峰宽和峰高。随后，使用不同模型对197Au的(γ,n)和(γ,2n)反应截面进行了预测，并与实验数据进行了对比。结果表明：与训练集相似，隐含层数量最多的B4模型预测结果最佳。最后，对175Lu的预测分析显示，B4模型可以精确地给出双峰核的峰位和峰相对高低。随着隐含层的增加，模型对训练集的拟合效果和泛化能力均得到了显著提升。未来，基于物理信息的贝叶斯神经网络有望提供更多可靠的光核反应截面数据，为解决实验室间数据分歧提供有力支持。  
    关键词：光中子反应;贝叶斯神经网络;机器学习;γ源;上海激光电子γ源   
    202
    |
    50
    |
    0
    <HTML>
    <网络PDF><Meta-XML>
    <引用本文> <批量引用> 83650190 false
    更新时间：2025-05-24
    “中国散裂中子源稳定运行对科研至关重要，传统报警机制存在局限。专家提出基于机器学习的异常检测方法，开发智能值班员样机系统，提升异常监测准确性和故障排除效率。”

    彭娜, 张玉亮, 程司农, 何泳成, 梅昊, 王林, 薛康佳, 李明涛, 吴煊, 朱鹏, 黄蔚玲

    DOI：10.11889/j.0253-3219.2025.hjs.48.240522
    摘要：中国散裂中子源（China Spallation Neutron Source，CSNS）作为一个用户装置，其稳定运行对科学研究的顺利开展具有重要意义。然而，由于加速器系统的高度复杂性，传统的基于阈值的报警机制在应对复杂和多样化的异常时表现出明显的局限性，部分未能及时检测的异常可能引发束流联锁，降低运行效率和稳定性。为了解决这一问题，本文提出了一种基于机器学习的异常检测方法，并开发了CSNS加速器智能值班员样机系统。该系统通过特征工程和无监督学习算法，能够实时监测运行数据并精准识别复杂异常，尤其是对传统方法难以检测的波动形态异常表现出显著优势。样机系统已成功应用于CSNS加速器运行环境，能够准确捕获运行过程中的异常情况并报警，从而提升异常监测的准确性和故障排除效率。  
    关键词：机器学习;异常检测;无监督学习;聚类算法;粒子加速器   
    135
    |
    17
    |
    0
    <HTML>
    <网络PDF><Meta-XML>
    <引用本文> <批量引用> 83633139 false
    更新时间：2025-05-24
    “在核物理领域，专家应用核脊回归方法，探索核子分离能描述，为天体核合成研究提供新方向。”

    郭粤颖, 唐湘琪, 刘辉鑫, 吴鑫辉

    DOI：10.11889/j.0253-3219.2025.hjs.48.250096
    摘要：核子分离能作为核子俘获或放出反应的反应能，对反应率起主导作用，继而会直接影响相关天体核合成过程。核脊回归（Kernel Ridge Regression，KRR）方法和考虑奇偶效应的核脊回归（Kernel Ridge Regression with odd-even effects，KRRoe）方法被应用到了核子分离能的描述中。通过分析在实验已知区域的描述精度和外推性能，详细对比讨论了两个方法对双中子分离能（S2n）、双质子分离能（S2p）、单中子分离能（Sn）和单质子分离能（Sp）的描述情况。发现KRR方法和KRRoe方法均能改善对双核子分离能S2n和S2p的描述，但是只有KRRoe方法能改善对单核子分离能Sn和Sp的描述。这主要由二者的Kernel函数的差异导致。KRR方法采用了平坦的高斯Kernel函数，因此，不能准确地给出单核子分离能的奇偶振荡行为。而KRRoe方法在Kernel中引入了奇偶差异项，准确考虑了奇偶效应，因而能较好地描述单中子分离能。  
    关键词：核子分离能;机器学习;核脊回归;奇偶效应   
    107
    |
    20
    |
    0
    <HTML>
    <网络PDF><Meta-XML>
    <引用本文> <批量引用> 100042860 false
    更新时间：2025-05-24
    “在高能同步辐射光源领域，研究人员提出了基于深度学习的图像数据在线压缩方法，有效降低了数据传输与存储压力，为高带宽图像数据处理提供了新思路。”

    肖鹏飞, 季筱璐, 杨宣政, 曹平

    DOI：10.11889/j.0253-3219.2025.hjs.48.240542
    摘要：面向高能同步辐射光源（High Energy Photon Source，HEPS）的高性能像素阵列探测器（HEPS-BPIX4）的数据获取系统（Data Acquisition，DAQ）需满足高实时性要求。通过在线压缩图像数据，可有效降低后续传输与存储的压力。针对传统压缩算法在压缩率和实时性方面的不足，本文提出了一种基于深度学习目标检测的图像数据在线压缩方法。采用端到端的YOLO（You Only Look Once）目标检测算法，对深度学习模型进行高效训练，并验证了其在HEPS-BPIX4 DAQ数据流中实现在线数据压缩的可行性。实验结果表明，该方法的图像数据在线压缩平均压缩比达到5.88。同时，设计了高效的部署方案，并对性能进行了测试，单线程下的压缩处理速率可达GB∙s-1量级。此外，进一步提出了适用于HEPS-BPIX4 DAQ框架的多线程部署方案，以满足更高的压缩性能需求，为缓解HEPS-BPIX4 DAQ系统高带宽图像数据处理压力提供了新思路。  
    关键词：高能同步辐射光源;高性能像素阵列探测器;在线数据获取;目标检测;数据压缩;DAQ系统   
    113
    |
    9
    |
    0
    <HTML>
    <网络PDF><Meta-XML>
    <引用本文> <批量引用> 102009097 false
    更新时间：2025-05-24
查看更多
  • 精选图片
更多
暂无数据
0