論文の概要: Multi-output Gaussian processes for inverse uncertainty quantification
in neutron noise analysis
- arxiv url: http://arxiv.org/abs/2211.02465v1
- Date: Fri, 4 Nov 2022 13:52:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-07 17:30:24.483162
- Title: Multi-output Gaussian processes for inverse uncertainty quantification
in neutron noise analysis
- Title（参考訳）: 中性子ノイズ解析における逆不確かさ定量化のための多出力ガウス過程
- Authors: Paul Lartaud, Philippe Humbert and Josselin Garnier
- Abstract要約: 核分裂物質では、誘導核分裂によって生じる中性子の固有の多重度は、その検出統計に相関関係をもたらす。
中性子間の相関は、核分裂物質のいくつかの特性を遡ることができる。
中性子ノイズ分析として知られるこの技術は、核防護や廃棄物の識別に応用されている。
- 参考スコア（独自算出の注目度）: 1.2891210250935146
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In a fissile material, the inherent multiplicity of neutrons born through
induced fissions leads to correlations in their detection statistics. The
correlations between neutrons can be used to trace back some characteristics of
the fissile material. This technique known as neutron noise analysis has
applications in nuclear safeguards or waste identification. It provides a
non-destructive examination method for an unknown fissile material. This is an
example of an inverse problem where the cause is inferred from observations of
the consequences. However, neutron correlation measurements are often noisy
because of the stochastic nature of the underlying processes. This makes the
resolution of the inverse problem more complex since the measurements are
strongly dependent on the material characteristics. A minor change in the
material properties can lead to very different outputs. Such an inverse problem
is said to be ill-posed. For an ill-posed inverse problem the inverse
uncertainty quantification is crucial. Indeed, seemingly low noise in the data
can lead to strong uncertainties in the estimation of the material properties.
Moreover, the analytical framework commonly used to describe neutron
correlations relies on strong physical assumptions and is thus inherently
biased. This paper addresses dual goals. Firstly, surrogate models are used to
improve neutron correlations predictions and quantify the errors on those
predictions. Then, the inverse uncertainty quantification is performed to
include the impact of measurement error alongside the residual model bias.
- Abstract（参考訳）: 核分裂物質では、誘導核分裂によって生じる中性子の固有の多重度は、その検出統計に相関する。
中性子間の相関は、核分裂物質のいくつかの特性を遡ることができる。
中性子ノイズ分析として知られるこの技術は、核防護や廃棄物の識別に応用されている。
未知の繊維材料の非破壊検査方法を提供する。
これは、原因が結果の観察から推測される逆問題の一例である。
しかし、中性子相関測定は、基礎となる過程の確率的性質のため、しばしばうるさい。
これにより、測定が材料特性に強く依存するため、逆問題の解がより複雑になる。
材料特性のわずかな変化は、非常に異なる出力につながる可能性がある。
そのような逆問題には不備があると言われている。
不測な逆問題に対しては、逆不確実性定量化が重要である。
実際、データ中の一見低騒音は、材料特性の推定に強い不確実性をもたらす可能性がある。
さらに、中性子相関を記述するのによく使われる分析の枠組みは強い物理的仮定に依存しており、したがって本質的に偏りがある。
本稿では2つの目標について述べる。
まず、代理モデルを用いて中性子相関予測を改善し、それらの予測上の誤差を定量化する。
そして、残差モデルバイアスとともに測定誤差の影響を含む逆不確かさ定量化を行う。
関連論文リスト
- High-Dimensional Kernel Methods under Covariate Shift: Data-Dependent Implicit Regularization [83.06112052443233]
本稿では,共変量シフト下での高次元におけるカーネルリッジの回帰について検討する。
バイアス分散分解により、再重み付け戦略が分散を減少させることができることを理論的に証明する。
偏見について,任意の偏見の正則化を解析し,偏見が正則化の異なる尺度で非常に異なる振る舞いをすることができることを示す。
論文 参考訳（メタデータ） (2024-06-05T12:03:27Z) - Bayesian Nonlocal Operator Regression (BNOR): A Data-Driven Learning
Framework of Nonlocal Models with Uncertainty Quantification [4.705624984585247]
ミクロスケールの力学と相互作用が世界的挙動に影響を及ぼす異種材料をモデル化する問題を考える。
非局所モデルを用いた材料応答予測における不確実性(UQ)のためのベイズフレームワークを開発する。
この研究は、ホモジェナイゼーションの文脈における非局所モデル差の統計的特徴付けへの第一歩である。
論文 参考訳（メタデータ） (2022-10-06T22:37:59Z) - Causal Inference with Treatment Measurement Error: A Nonparametric
Instrumental Variable Approach [24.52459180982653]
原因が誤りである場合の因果効果に対するカーネルベースの非パラメトリック推定器を提案する。
提案手法であるMEKIVは,測定誤差の強度変化の下で,ベースラインを改良し,頑健であることを示す。
論文 参考訳（メタデータ） (2022-06-18T11:47:25Z) - Data Augmentation in the Underparameterized and Overparameterized
Regimes [7.326504492614808]
我々は,データの増大が推定値の分散と限定分布に与える影響を定量化する。
その結果、機械学習の実践において行われたいくつかの観察が確認できたが、予期せぬ発見につながった。
論文 参考訳（メタデータ） (2022-02-18T11:32:41Z) - An Indirect Rate-Distortion Characterization for Semantic Sources:
General Model and the Case of Gaussian Observation [83.93224401261068]
ソースモデルは、情報の意味的側面に対する最近の関心の高まりによって動機付けられている。
intrinsic状態は、一般に観測不可能なソースの意味的特徴に対応する。
レート歪み関数は、ソースのセマンティックレート歪み関数である。
論文 参考訳（メタデータ） (2022-01-29T02:14:24Z) - Decoding Causality by Fictitious VAR Modeling [0.0]
まず, 虚ベクトル自己回帰モデルを用いて, 因果関係の平衡を設定した。
平衡において、長期の関係はノイズから特定され、突発関係は無視的に0に近い。
また、気候変動に対する因果要因の寄与を推定するためのアプローチも適用する。
論文 参考訳（メタデータ） (2021-11-14T22:43:02Z) - Variance Minimization in the Wasserstein Space for Invariant Causal
Prediction [72.13445677280792]
そこで本研究では,ICPで行ったアプローチを,予測器数で線形にスケールする一連の非パラメトリックテストとして再検討する。
これらのテストはそれぞれ、最適輸送理論の道具から導かれる新しい損失関数の最小化に依存している。
我々は,本手法が同定可能な直接原因の集合を回復できるという軽微な仮定の下で証明し,他のベンチマーク因果探索アルゴリズムと競合することを示す。
論文 参考訳（メタデータ） (2021-10-13T22:30:47Z) - Estimation of Bivariate Structural Causal Models by Variational Gaussian
Process Regression Under Likelihoods Parametrised by Normalising Flows [74.85071867225533]
因果機構は構造因果モデルによって記述できる。
最先端の人工知能の大きな欠点の1つは、説明責任の欠如である。
論文 参考訳（メタデータ） (2021-09-06T14:52:58Z) - BayesIMP: Uncertainty Quantification for Causal Data Fusion [52.184885680729224]
本研究では,複数の因果グラフに関連するデータセットを組み合わせ,対象変数の平均処理効果を推定する因果データ融合問題について検討する。
本稿では、確率積分とカーネル平均埋め込みのアイデアを組み合わせて、再生されたカーネルヒルベルト空間における干渉分布を表現するフレームワークを提案する。
論文 参考訳（メタデータ） (2021-06-07T10:14:18Z) - Nonlinear Independent Component Analysis for Continuous-Time Signals [85.59763606620938]
このプロセスの混合物の観察から多次元音源過程を復元する古典的問題を考察する。
このリカバリは、この混合物が十分に微分可能で可逆な関数によって与えられる場合、多くの一般的なプロセスのモデル(座標の順序と単調スケーリングまで)に対して可能であることを示す。
論文 参考訳（メタデータ） (2021-02-04T20:28:44Z) - Towards constraining warm dark matter with stellar streams through
neural simulation-based inference [7.608718235345664]
Amortized Approximate Likelihood Ratios (AALR) に基づく確率自由ベイズ推論パイプラインを導入する。
本手法は、暗黒物質サブハローによってのみ恒星の流れが摂動される単純化された場合に適用する。
論文 参考訳（メタデータ） (2020-11-30T15:53:43Z)
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。