論文の概要: An Efficient Instance Segmentation Approach for Extracting Fission Gas
Bubbles on U-10Zr Annular Fuel
- arxiv url: http://arxiv.org/abs/2302.12833v1
- Date: Wed, 8 Feb 2023 18:58:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-05 05:42:20.190075
- Title: An Efficient Instance Segmentation Approach for Extracting Fission Gas
Bubbles on U-10Zr Annular Fuel
- Title(参考訳): U-10Zr環状燃料の分裂ガス気泡抽出のための効率よいインスタンス分割法
- Authors: Shoukun Sun, Fei Xu, Lu Cai, Daniele Salvato, Fidelma Dilemma, Luca
Capriotti, Min Xian, Tiankai Yao
- Abstract要約: U-10Zrをベースとした核燃料は、次世代のナトリウム冷却高速炉の第一候補として追求されている。
熱間燃料中心から冷間クラッド表面へのランタニドの移動は、燃料性能に影響を与える重要な要因の1つである。
熱間燃料中心から冷間クラッド表面へのランタニドの移動は、燃料性能に影響を与える重要な要因の1つである。
- 参考スコア(独自算出の注目度): 1.2470111111873257
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: U-10Zr-based nuclear fuel is pursued as a primary candidate for
next-generation sodium-cooled fast reactors. However, more advanced
characterization and analysis are needed to form a fundamental understating of
the fuel performance, and make U-10Zr fuel qualify for commercial use. The
movement of lanthanides across the fuel section from the hot fuel center to the
cool cladding surface is one of the key factors to affect fuel performance. In
the advanced annular U-10Zr fuel, the lanthanides present as fission gas
bubbles. Due to a lack of annotated data, existing literature utilized a
multiple-threshold method to separate the bubbles and calculate bubble
statistics on an annular fuel. However, the multiple-threshold method cannot
achieve robust performance on images with different qualities and contrasts,
and cannot distinguish different bubbles. This paper proposes a hybrid
framework for efficient bubble segmentation. We develop a bubble annotation
tool and generate the first fission gas bubble dataset with more than 3000
bubbles from 24 images. A multi-task deep learning network integrating U-Net
and ResNet is designed to accomplish instance-level bubble segmentation.
Combining the segmentation results and image processing step achieves the best
recall ratio of more than 90% with very limited annotated data. Our model shows
outstanding improvement by comparing the previously proposed thresholding
method. The proposed method has promising to generate a more accurate
quantitative analysis of fission gas bubbles on U-10Zr annular fuels. The
results will contribute to identifying the bubbles with lanthanides and finally
build the relationship between the thermal gradation and lanthanides movements
of U-10Zr annular fuels. Mover, the deep learning model is applicable to other
similar material micro-structure segmentation tasks.
- Abstract(参考訳): u-10zrベースの核燃料は、次世代のナトリウム冷却高速炉の候補として追求されている。
しかし、燃料性能の根本的な基盤となるためには、より高度な評価と分析が必要であり、商業用途にU-10Zr燃料を適格化する。
熱間燃料中心から冷間クラッド表面へのランタナイドの移動は燃料性能に影響を与える重要な要因の1つである。
先進的な環状U-10Zr燃料では、ランタニドは分裂ガスバブルとして存在する。
注釈付きデータがないため、既存の文献では複数の閾値法を用いて気泡を分離し、環状燃料上の気泡統計を計算する。
しかし、マルチスレッショルド法は、画質やコントラストの異なる画像ではロバストな性能を達成できず、気泡の区別もできない。
本稿では,効率的な気泡セグメンテーションのためのハイブリッドフレームワークを提案する。
気泡アノテーションツールを開発し,24枚の画像から3000以上の気泡を含む最初の分裂ガス気泡データセットを生成する。
u-netとresnetを統合するマルチタスクディープラーニングネットワークは、インスタンスレベルのバブルセグメンテーションを実現するように設計されている。
セグメンテーション結果と画像処理ステップを組み合わせることで、90%以上のリコール率と非常に限られた注釈データが得られる。
本モデルは,従来提案していたしきい値法を比較することにより,優れた改善を示す。
提案手法は,u-10zrアニュラー燃料の核分裂ガス気泡のより高精度な定量分析を実現した。
その結果、泡をランタニドと同定し、最終的にU-10Zr環状燃料の熱分解とランタニド運動の関係を構築することに寄与する。
mover、ディープラーニングモデルは、他の類似の材料マイクロ構造セグメンテーションタスクに適用できる。
関連論文リスト
- Which Pixel to Annotate: a Label-Efficient Nuclei Segmentation Framework [70.18084425770091]
ディープニューラルネットワークは、H&E染色病理像の核インスタンスセグメンテーションに広く応用されている。
通常、類似したパターンと冗長なパターンを含む核画像のデータセットに全てのピクセルをラベル付けするのは非効率で不要である。
そこで本研究では,アノテートするイメージパッチを数個だけ選択し,選択したサンプルからトレーニングセットを増強し,半教師付きで核分割を実現する,新しいフル核分割フレームワークを提案する。
論文 参考訳(メタデータ) (2022-12-20T14:53:26Z) - Advanced Characterization-Informed Framework and Quantitative Insight to
Irradiated Annular U-10Zr Metallic Fuels [1.3876128862837824]
U-10Zrをベースとした金属核燃料は、次世代のナトリウム冷却高速炉の燃料候補として期待されている。
アイダホ国立研究所の研究経験は1960年代にさかのぼる。
論文 参考訳(メタデータ) (2022-10-17T13:54:49Z) - A Self-Paced Mixed Distillation Method for Non-Autoregressive Generation [135.84684279852098]
非自己回帰(NAR)モデルは、様々な言語生成タスクにおけるオート回帰(AR)モデルの性能が著しく低い。
NARモデルの中で、BANGは英語未ラベルの原文コーパス上で最初の大規模事前学習モデルである。
そこで本研究では,BANGの生成品質をさらに向上させる,自己ペースト混合蒸留法を提案する。
論文 参考訳(メタデータ) (2022-05-23T09:54:53Z) - Flexible Amortized Variational Inference in qBOLD MRI [56.4324135502282]
データから酸素抽出率(OEF)と脱酸素血液量(DBV)をより明瞭に決定する。
既存の推論手法では、DBVを過大評価しながら非常にノイズの多い、過小評価されたEFマップが得られる傾向にある。
本研究は, OEFとDBVの可算分布を推定できる確率論的機械学習手法について述べる。
論文 参考訳(メタデータ) (2022-03-11T10:47:16Z) - Experimental Large-Scale Jet Flames' Geometrical Features Extraction for
Risk Management Using Infrared Images and Deep Learning Segmentation Methods [0.9236074230806579]
ジェット火災は比較的小さく、工業プラントで起こりうる多様な火災事故の中では最も深刻な影響を受けない。
本研究は,ジェット火炎のセマンティックセグメンテーションを用いた別のアプローチにおけるディープラーニングモデルの適用について検討する。
論文 参考訳(メタデータ) (2022-01-20T00:50:41Z) - Prediction of liquid fuel properties using machine learning models with
Gaussian processes and probabilistic conditional generative learning [56.67751936864119]
本研究の目的は、代替燃料の物理的特性を予測するためのクロージャ方程式として機能する、安価で計算可能な機械学習モデルを構築することである。
これらのモデルは、MDシミュレーションのデータベースや、データ融合-忠実性アプローチによる実験的な測定を用いて訓練することができる。
その結果,MLモデルでは,広範囲の圧力および温度条件の燃料特性を正確に予測できることがわかった。
論文 参考訳(メタデータ) (2021-10-18T14:43:50Z) - Measurement of Hybrid Rocket Solid Fuel Regression Rate for a Slab
Burner using Deep Learning [0.0]
本研究では, ハイブリッドロケット燃料用2次元スラブバーナ実験において, 燃料回帰率を測定するための画像ベースディープラーニングツールを提案する。
高強度フラッシュのDSLRカメラを使用して、燃焼中の画像をキャプチャし、その画像を使用して燃料境界を見つけ、レグレッション率を算出する。
実験画像から燃料を分離するために,U-net畳み込みニューラルネットワークアーキテクチャを探索した。
論文 参考訳(メタデータ) (2021-08-25T14:57:23Z) - Machine learning-assisted surrogate construction for full-core fuel
performance analysis [0.0]
本研究は、いくつかの現実的な平衡PWRコア設計に基づくフルコアサロゲート構築手法を提案する。
構築されたサーロゲートは、予測精度を満足して少なくとも1万時間加速度を達成する。
論文 参考訳(メタデータ) (2021-04-17T17:02:50Z) - Understanding Fission Gas Bubble Distribution, Lanthanide
Transportation, and Thermal Conductivity Degradation in Neutron-irradiated
{\alpha}-U Using Machine Learning [2.3336225785755476]
UZrベースの金属核燃料は、米国の次世代ナトリウム冷却高速炉の主要な候補です。
燃料性能に関する機械的理解の欠如は、商業用途におけるUZr燃料の適格化を妨げている。
論文 参考訳(メタデータ) (2021-04-12T19:29:18Z) - Sampling-Decomposable Generative Adversarial Recommender [84.05894139540048]
サンプル分解可能な生成逆数レコメンダ(SD-GAR)を提案する。
本フレームワークでは, 自己正規化重要度サンプリングにより, 生成元と最適値とのばらつきを補償する。
提案アルゴリズムを5つの実世界のレコメンデーションデータセットを用いて広範囲に評価する。
論文 参考訳(メタデータ) (2020-11-02T13:19:10Z) - Targeted free energy estimation via learned mappings [66.20146549150475]
自由エネルギー摂動 (FEP) は60年以上前にズワンツィヒによって自由エネルギー差を推定する方法として提案された。
FEPは、分布間の十分な重複の必要性という厳しい制限に悩まされている。
目標自由エネルギー摂動(Targeted Free Energy Perturbation)と呼ばれるこの問題を緩和するための1つの戦略は、オーバーラップを増やすために構成空間の高次元マッピングを使用する。
論文 参考訳(メタデータ) (2020-02-12T11:10:00Z)
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。