基于贝叶斯机器学习对中子诱发<sup>235</sup>U裂变的产额-能量关系的研究
作者：乔春源,裴俊琛,王子澳,陈永静, 单位：北京大学物理学院核物理与核技术重点实验室；中国原子能科学研究院核数据重点实验室中国核数据中心 本文刊于： 《原子能科学技术》 2022年第05期
关键词:
核裂变 贝叶斯机器学习 累积产额 产额-能量关系Keywords
nuclear fission, Bayesian machine learning, cumulative fission yield, yield-energy relation,
全文下载：需积分3点。
摘要
核裂变碎片产额是核能发展和核技术应用领域的重要基础数据，但在实验和理论上获得精确且完整的能量依赖的裂变产额到目前为止都非常困难。本文提出采用贝叶斯机器学习方法对所有收集到的中子诱发235U裂变产额实验数据进行了数据融合学习和评价。基于该评价方法对关键裂变碎片的产额-能量关系进行推断，并得到了二维的碎片累积产额分布随入射中子能量的变化关系。所得的二维产额分布能合理地反映裂变模式随能量增加的演化，但目前结果的不确定度较大，有待进一步改进。
本文地址：www.fabiao.net/content-19-1910780-1.html
本文地址：www.fabiao.net/content-19-1910780-1.html
