Inverse Critical Experiment Design via Gradient Optimization and a Multigroup Attention-Based Neural Network Architecture

Diese Forschung stellt eine Methodik für das inverse Design kritischer Experimente vor, die für die Validierung fortschrittlicher Kernreaktorkonzepte unerlässlich ist. Sie verwendet tiefes neuronales Netzwerk-Surrogatmodellierung und nichtparametrische Gradientenoptimierung, um experimentelle Geometrien zu generieren, die die neutronische Ähnlichkeit maximieren.