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

Cette recherche présente une méthodologie pour la conception inverse d'expériences critiques, essentielle pour la validation des conceptions avancées de réacteurs nucléaires. Elle utilise la modélisation de substitution par réseaux de neurones profonds et l'optimisation de gradient non paramétrique pour générer des géométries d'expériences maximisant la similarité neutronique.