محققان در تازهترین پژوهش خود، با استفاده از «عملگرهای عصبی» (Neural Operators) موفق شدهاند دقت شبیهسازی شار نوترون را در محیطهای دوبعدی به شدت افزایش دهند.
این تحقیق با مقایسه دو مدل FNO و UNO نشان میدهد که چگونه میتوان با استفاده از یادگیری عمیق، به جای محاسبات بسیار سنگین فیزیکی، به نتایج با دقت بالا در تخمین میدانهای تابشی دست یافت. این متدولوژی نه تنها سرعت محاسبات را در علوم هستهای و مهندسی راکتور بهبود میبخشد، بلکه گام مهمی در کاربرد مدلهای جایگزین (Surrogate Models) برای مسائل پیچیده علمی است.
منبع: arXiv Machine Learning