使用机器学习的确定性中子输运计算中的数据降维
摘要：使用机器学习技术，通过自动编码器和深度联合信息神经网络（DJINN），可以减少数据存储要求，并在保留标量通量、保持通用性和减少墙上时钟时间的同时，替代对交叉截面矩阵需要的需求。对于一个618个能量组问题，数据存储要求减少了原始数据的94％。
作者：Ben Whewell and Ryan G. McClarren
论文ID：2205.05165
分类：Computational Physics
分类简称：physics.comp-ph
提交时间：2022-05-12