參數(shù)化物理內(nèi)嵌神經(jīng)網(wǎng)絡求解穩(wěn)態(tài)單能中子擴散解集

摘要： 物理內(nèi)嵌神經(jīng)網(wǎng)絡（PINN）是一種結合了物理學知識的深度學習方法，近年開始被用于計算核工程領域中的堆芯中子問題。然而，PINN在求解不同問題時的網(wǎng)絡不可復用性極大地影響了該方法的使用價值和效率。為了解決網(wǎng)絡不可復用性問題，提出了一種基于參數(shù)化PINN的方法，開發(fā)了一種新型的中子擴散物理方程的代理模型。該代理模型具有很高的靈活性和效率，可以在無樣本的前提下，快速給出任意給定參數(shù)中... （共8頁）