基于神经网络的粒子输运问题高效计算方法

蒙特卡罗方法是求解粒子输运问题的有力工具之一,其局限性在于为达到精度要求需模拟大量粒子,计算耗时长,这阻碍了该方法的进一步应用,尤其在需快速响应的情形.本文结合神经网络和若干蒙特卡罗方法基本原理发展了一种计算方法,能够实现源分布可变,几何、材料和目标计数不变的中子输运问题的快速准确求解.首先,为高效生成用于神经网络训练的数据,利用重要性原理实现在同样模拟次数基础上有效扩充训练数据集容量,在一定程度上克服了使用蒙特卡罗计算获取训练数据耗时长的缺点.进而,基于目标计数是源分布与重要性函数乘积积分的事实,设计了利用神经网络实现快速输运计算的策略.该网络的输入是中子源项,输出是目标计数,在几何、材料和目标计数固定的情况下,该神经网络可重复使用,根据新的源项快速准确得到目标计数.本文所提出方法的原理和框架同样适用于其他种类粒子的同类型输运问题.基于若干基准模型的验证表明,训练得到的神经网络能在不到1 s的时间内得到目标计数,且与蒙特卡罗大样本模拟得到基准结果的平均相对偏差均低于5%.