Validating Automated Resonance Evaluation with Synthetic Data

Скорочена інформація про документ
dc.contributor.advisorВолодимир Собєщаков
dc.contributor.authorOleksiy Zivenko
dc.contributor.authorNoah A. W. Walton
dc.contributor.authorWilliam Fritsch
dc.contributor.authorJacob Forbes
dc.contributor.authorAmanda M. Lewis
dc.contributor.authorAaron Clark
dc.contributor.authorJesse M. Brown
dc.contributor.authorVladimir Sobes
dc.date.accessioned2024-07-05T10:02:40Z
dc.date.available2024-07-05T10:02:40Z
dc.date.issued2024
dc.description.abstractЦілісність і точність ядерних даних мають вирішальне значення для широкого спектру застосувань, від національної безпеки та проектування ядерних реакторів до медичної діагностики, де пов’язані невизначеності можуть суттєво вплинути на результати. Значна частина невизначеності в ядерних даних походить від суб’єктивних упереджень у процесі оцінки, що є вирішальним етапом у виробництві ядерних даних. Останні досягнення вказують на те, що автоматизація певних процедур може пом’якшити ці упередження, тим самим стандартизуючи процес оцінювання, зменшуючи невизначеність і підвищуючи відтворюваність. Ця стаття сприяє розробці основи для тестування методів автоматизованого оцінювання, наголошуючи на автоматизованих методах підгонки, які не вимагають від користувача надавати будь-яку попередню інформацію. Цей підхід спрощує процес і зменшує ручні зусилля, необхідні на початковому етапі оцінювання. Він підкреслює здатність інфраструктури перевіряти та оптимізувати підпрограми, орієнтуючись на аналіз продуктивності та оптимізацію процедури підгонки з використанням синтетичних даних високої точності (позначених експериментальних даних) і концепції повністю контрольованого обчислювального експерименту. Метрика помилки введена для забезпечення чіткого та інтуїтивно зрозумілого вимірювання якості підгонки шляхом кількісного визначення точності оцінки та продуктивності для заданої енергії. Цей показник встановлює шкалу для порівняння та оптимізації процедур або вибору гіперпараметрів, покращуючи методологію всього процесу оцінювання та підвищуючи відтворюваність і об’єктивність.
dc.description.abstract1The integrity and precision of nuclear data are crucial for a broad spectrum of applications, from national security and nuclear reactor design to medical diagnostics, where the associated uncertainties can significantly impact out￾comes. A substantial portion of uncertainty in nuclear data originates from the subjective biases in the evaluation process, a crucial phase in the nuclear data production pipeline. Recent advancements indicate that automation of certain routines can mitigate these biases, thereby standardizing the evalua￾tion process, reducing uncertainty and enhancing reproducibility. This article contributes to developing a framework for automated evaluation techniques testing, emphasizing automated fitting methods that do not require the user to provide any prior information. This approach simplifies the process and reduces the manual effort needed in the initial evaluation stage. It highlights the capability of the framework to validate and optimize subroutines, target￾ing the performance analysis and optimization of the fitting procedure using high-fidelity synthetic data (labeled experimental data) and the concept of a fully controlled computational experiment. An error metric is introduced to provide a clear and intuitive measure of the fitting quality by quantifying the estimate’s accuracy and performance across the specified energy. This metric sets a scale for comparison and optimization of routines or hyperpa￾rameter selection, improving the entire evaluation process methodology and increasing reproducibility and objectivity.
dc.description.provenanceSubmitted by Олексій Зівенко (oleksii.zivenko@nuos.edu.ua) on 2024-07-05T10:02:40Z No. of bitstreams: 1 21.pdf: 915548 bytes, checksum: 93a1f8175efcfa5c14ae3b8cc1dbfd1e (MD5)en
dc.description.provenanceMade available in DSpace on 2024-07-05T10:02:40Z (GMT). No. of bitstreams: 1 21.pdf: 915548 bytes, checksum: 93a1f8175efcfa5c14ae3b8cc1dbfd1e (MD5) Previous issue date: 2024en
dc.description.sponsorshipNuclear Data Group, Oak Ridge National Laboratory, Oak Ridge, 37830, TN, USA
dc.identifier.citationComputational Physics, 2024. arXiv. doi: 10.48550/arXiv.2406.01754
dc.identifier.urihttps://eir.nuos.edu.ua/handle/123456789/8557
dc.language.isoen_US
dc.publisherNuclear Engineering Department, University of Tennessee, Knoxville, 37996, TN, USA
dc.subjectNuclear Data
dc.subjectCross section evaluation
dc.subjectSynthetic Data
dc.subjectFitting
dc.subjectReproducibility
dc.titleValidating Automated Resonance Evaluation with Synthetic Data
dc.title.alternativeПеревірка автоматизованої резонансної оцінки за допомогою синтетичних даних
dc.typeArticle

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
21.pdf
Розмір:
894.09 KB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
4.38 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Статті (кафедри МП)