論文の概要: Deep Surrogate Models for Multi-dimensional Regression of Reactor Power
- arxiv url: http://arxiv.org/abs/2007.05435v2
- Date: Mon, 13 Jul 2020 09:53:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-11 22:44:32.264041
- Title: Deep Surrogate Models for Multi-dimensional Regression of Reactor Power
- Title（参考訳）: 原子炉出力の多次元回帰のためのディープサロゲートモデル
- Authors: Akshay J. Dave, Jarod Wilson, Kaichao Sun
- Abstract要約: 我々は,原子炉の電力分布の高精度かつ高精度な多次元回帰を提供するニューラルネットワークの能力を確立する。
その結果、ニューラルネットワークは、自律型原子炉制御フレームワークで実装するサロゲートモデルに適した選択であることが示された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: There is renewed interest in developing small modular reactors and
micro-reactors. Innovation is necessary in both construction and operation
methods of these reactors to be financially attractive. For operation, an area
of interest is the development of fully autonomous reactor control. Significant
efforts are necessary to demonstrate an autonomous control framework for a
nuclear system, while adhering to established safety criteria. Our group has
proposed and received support for demonstration of an autonomous framework on a
subcritical system: the MIT Graphite Exponential Pile. In order to have a fast
response (on the order of miliseconds), we must extract specific capabilities
of general-purpose system codes to a surrogate model. Thus, we have adopted
current state-of-the-art neural network libraries to build surrogate models.
This work focuses on establishing the capability of neural networks to
provide an accurate and precise multi-dimensional regression of a nuclear
reactor's power distribution. We assess using a neural network surrogate
against a previously validated model: an MCNP5 model of the MIT reactor. The
results indicate that neural networks are an appropriate choice for surrogate
models to implement in an autonomous reactor control framework. The MAPE across
all test datasets was < 1.16 % with a corresponding standard deviation of <
0.77 %. The error is low, considering that the node-wise fission power can vary
from 7 kW to 30 kW across the core.
- Abstract（参考訳）: 小型のモジュール式原子炉やマイクロリアクターの開発に新たな関心がある。
これらの原子炉の建設と運用には革新が不可欠であり、経済的に魅力的である。
運用分野として、完全自律型原子炉制御の開発がある。
原子力システムの自律的な制御の枠組みを実証する上で重要な努力が必要である。
我々のグループは、MIT Graphite Exponential Pileというサブクリティカルシステム上での自律的なフレームワークのデモンストレーションを提案し、サポートを受けました。
高速な応答(ミリ秒の順序)を得るためには、サロゲートモデルに汎用システムコードの特定の機能を抽出する必要がある。
そこで我々は,最先端のニューラルネットワークライブラリを用いてサロゲートモデルを構築した。
この研究は、原子炉の電力分布の正確かつ正確な多次元回帰を提供するニューラルネットワークの能力を確立することに焦点を当てている。
従来検証されたモデルであるmitリアクターのmcnp5モデルに対して,ニューラルネットワークを用いて評価を行う。
その結果、ニューラルネットワークは、自律型原子炉制御フレームワークに実装するサロゲートモデルに適した選択であることが示された。
すべてのテストデータセットのMAPEは1.16%であり、対応する標準偏差は0.77%である。
誤差は低く、7kWから30kWのコアをまたいで、ノードワイドのフィッションパワーが変化する。
関連論文リスト
- Multistep Criticality Search and Power Shaping in Microreactors with Reinforcement Learning [0.3562485774739681]
核マイクロリアクターにおける知的制御のための強化学習(RL)アルゴリズムを導入する。
近位政策最適化(PPO)とアクター・クリティカル(A2C)を用いたRLエージェントの訓練
その結果, 最適ドラム位置同定におけるPPOの優れた性能が示された。
論文 参考訳（メタデータ） (2024-06-22T20:14:56Z) - Prediction of the evolution of the nuclear reactor core parameters using
artificial neural network [0.0]
MIT BEAVRSベンチマークに基づく原子炉は、典型的な発電用加圧水炉(PWR)として使用された。
PARCS v3.2 ノダル拡散コアシミュレータは、原子炉の動作をエミュレートするためにフルコアの原子炉物理学ソルバとして使用された。
論文 参考訳（メタデータ） (2023-04-20T14:21:16Z) - A Hybrid Data-Driven Multi-Stage Deep Learning Framework for Enhanced Nuclear Reactor Power Prediction [0.4166512373146748]
本稿では,リアクトル過渡期の最終定常電力を予測するための,新しい多段階深層学習フレームワークを提案する。
我々は、分類段階と回帰段階の両方のフィードフォワードニューラルネットワークを使用し、リアクトルパワーの実環境計測と制御状態を統合したユニークなデータセットをトレーニングする。
ノイズを伴うシミュレーションデータの取り込みにより、モデルの一般化能力が大幅に向上し、オーバーフィッティングのリスクが軽減される。
論文 参考訳（メタデータ） (2022-11-23T17:32:52Z) - Solving the nuclear pairing model with neural network quantum states [58.720142291102135]
本稿では,職業数形式論における核多体問題の解法としてモンテカルロ法を提案する。
リコンフィグレーションアルゴリズムのメモリ効率向上版を開発し,ハミルトニアンの期待値を最小限に抑えてネットワークをトレーニングする。
論文 参考訳（メタデータ） (2022-11-09T00:18:01Z) - Learning to Learn with Generative Models of Neural Network Checkpoints [71.06722933442956]
ニューラルネットワークのチェックポイントのデータセットを構築し,パラメータの生成モデルをトレーニングする。
提案手法は,幅広い損失プロンプトに対するパラメータの生成に成功している。
我々は、教師付きおよび強化学習における異なるニューラルネットワークアーキテクチャとタスクに本手法を適用した。
論文 参考訳（メタデータ） (2022-09-26T17:59:58Z) - Empirical Models for Multidimensional Regression of Fission Systems [0.0]
我々は、中性子輸送の多次元回帰のための経験的モデルを開発するためのガイドラインを開発する。
精度と精度を評価すると、SVRがANNに追随し、最高の性能を発揮することが分かる。
論文 参考訳（メタデータ） (2021-05-30T22:53:39Z) - Coded Stochastic ADMM for Decentralized Consensus Optimization with Edge
Computing [113.52575069030192]
セキュリティ要件の高いアプリケーションを含むビッグデータは、モバイルデバイスやドローン、車両など、複数の異種デバイスに収集され、格納されることが多い。
通信コストとセキュリティ要件の制限のため、核融合センターにデータを集約するのではなく、分散的に情報を抽出することが最重要となる。
分散エッジノードを介してデータを局所的に処理するマルチエージェントシステムにおいて,モデルパラメータを学習する問題を考える。
分散学習モデルを開発するために,乗算器アルゴリズムの最小バッチ交互方向法(ADMM)のクラスについて検討した。
論文 参考訳（メタデータ） (2020-10-02T10:41:59Z) - Contextual-Bandit Anomaly Detection for IoT Data in Distributed
Hierarchical Edge Computing [65.78881372074983]
IoTデバイスは複雑なディープニューラルネットワーク(DNN)モデルにはほとんど余裕がなく、異常検出タスクをクラウドにオフロードすることは長い遅延を引き起こす。
本稿では,分散階層エッジコンピューティング(HEC)システムを対象とした適応型異常検出手法のデモと構築を行う。
提案手法は,検出タスクをクラウドにオフロードした場合と比較して,精度を犠牲にすることなく検出遅延を著しく低減することを示す。
論文 参考訳（メタデータ） (2020-04-15T06:13:33Z) - Prune2Edge: A Multi-Phase Pruning Pipelines to Deep Ensemble Learning in
IIoT [0.0]
IIoTデバイス上での学習をアンサンブルするためのエッジベースのマルチフェーズ・プルーニングパイプラインを提案する。
第1フェーズでは、様々なプルーンドモデルのアンサンブルを生成し、次いで整数量子化を適用し、次にクラスタリングに基づく手法を用いて生成されたアンサンブルをプルークする。
提案手法は,ベースラインモデルの予測可能性レベルより優れていた。
論文 参考訳（メタデータ） (2020-04-09T17:44:34Z) - Flexible Transmitter Network [84.90891046882213]
現在のニューラルネットワークはMPモデルに基づいて構築されており、通常はニューロンを他のニューロンから受信した信号の実際の重み付け集約上での活性化関数の実行として定式化する。
本稿では,フレキシブル・トランスミッタ(FT)モデルを提案する。
本稿では、最も一般的な完全接続型フィードフォワードアーキテクチャ上に構築された、フレキシブルトランスミッタネットワーク(FTNet)について述べる。
論文 参考訳（メタデータ） (2020-04-08T06:55:12Z) - Model Fusion via Optimal Transport [64.13185244219353]
ニューラルネットワークのための階層モデル融合アルゴリズムを提案する。
これは、不均一な非i.d.データに基づいてトレーニングされたニューラルネットワーク間での"ワンショット"な知識伝達に成功していることを示す。
論文 参考訳（メタデータ） (2019-10-12T22:07:15Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。