热点关注:  
放射性同位素 粒子加速器 辐照杀菌 无损检测 高新核材 辐射成像 放射诊疗 辐射育种 食品辐照保鲜 废水辐照 X射线 中广核技 中国同辐

机器学习新闻

俄罗斯科学家开发新算法 加速粒子物理神经网络创建

高等经济学院人工智能中心的研究人员近日取得重要突破,开发出一种新方法,可将新型神经网络的创建速度提升八倍。这些神经网络专为处理和分析粒子加速器各组件与系统的数据而设计。相关算法描述及潜在应用示例已发表于科学期刊《IEEE Access》上。研究团队指出:为快速构建机器学习和人工智能系统,需训练大量模型,理想状态是在保证高可靠性的同时,无需人工介入。为此,我们提出一种适用于各类机器学习的新方法,将寻找最优模型的时间大幅缩短。... 2025-12-06

美研究机构提示AI核能应用存在监管缺口

核工业是应用机器学习与人工智能(AI)的主要领域,其应用潜力巨大。美国核监管委员会(NRC)一直在考虑如何部署AI。NRC在2024年发布的一份战略文件中指出,AI的飞速发展具有巨大潜力,可能彻底改变核工业及该机构的运作模式;其在《2023-2027财年战略规划》中提出要着重提升自身四大能力:审查评估AI应用的技术能力、持续追踪技术创新的洞察能力、确保AI应用安全可靠的监管能力,以及制定AI监管框架的预见能力。2024年4月NRC推出专项战略,规划确立... 2025-11-12

国际原子能机构技术会议在复旦大学举办

9月9日上午,国际原子能机构(IAEA)第六届聚变数据处理、验证与分析技术会议(Technical Meeting on Fusion Data Processing, Validation and Analysis)在复旦大学开幕。会议吸引了来自全球的70余位聚变诊断与数据分析领域的专家学者参加。在为期四天的会议中,与会专家学者将围绕未来聚变堆面临的数据测量、信息检索与可视化、传感器融合与集成数据分析、反演与图像处理、基于物理的机器学习等主题开展深入的交流和讨论。中国科学院院士... 2025-09-21

密歇根大学等开展核微反应堆与机器学习研究获新成果

密歇根大学核工程与放射科学系(NERS)与爱达荷国家实验室的研究人员合作开展了一项关于核微反应堆和机器学习(ML)的研究,相关摘要已发表,全文题为《基于深度强化学习的核微反应堆瞬态和负荷跟踪控制》,刊登在《能源转换与管理:X》杂志7月刊上。HolosGen 开发的紧凑型可运输 Holos-Quad 微反应器,可容纳在一个标准的 40 英尺 ISO 集装箱内。(图片:HolosGen)该研究基于HolosGen的Holos-Quad微反应堆设计,考察了一种新的机器学习方法——多智能... 2025-07-11

美国科学家开发AI新方法 精准预测熔盐关键特性助力核能应用

美国橡树岭国家实验室(ORNL)科研团队近日开发出一种基于机器学习的新方法,可高效、精准预测熔盐材料的关键热力学特性,为核能技术研发提供重要工具。相关研究成果发表于《化学科学》期刊。通过将液态盐转化为气体(上图),并将固态晶体转化为弹簧网络(下图),可以精确预测氯化锂的熔点。图片来源:Luke Gibson/ORNL,美国能源部熔盐因其高温稳定性与化学兼容性,在核燃料溶解、反应堆长期运行可靠性提升等核能应用中具有重要价值。然而,传统实验方... 2025-06-27

等离子体所在托卡马克人工智能物理研究方面取得新进展

近日,等离子体所EAST大科学工程团队孙有文三维物理课题组在托卡马克人工智能物理研究方面取得系列新进展。该团队利用先进的机器学习和神经网络技术,成功开发了针对关键物理现象的智能预测与识别模型,相关研究成果以Automatic identification of tokamak plasma confinement states (L-mode ,ELM-free H-mode ,and ELMy H-mode) with Multi-Task Learning Neural Network和Interpr 2025-06-25

原子能院采用机器学习方法实现中子共振截面建模计算

近日,原子能院核数据重点实验室在国际上首次提出,采用耦合深度相移神经网络(CPSDNN)方法开展中子共振截面建模计算,实现中子共振能区与快中子能区裂变截面的自洽计算,为面向未来的中子共振数据评价提供新思路。该方法丰富了机器学习在核物理中的应用,对于核数据评价建库有重要意义。 研究成果发表在核物理国际重要学术期刊《物理快报B》(Physics Letters B),文章第一作者为原子能院核物理研究所博士研究生邢康,通讯作者为核物理研究所研究... 2025-04-16

原子能院采用机器学习方法实现中子共振截面建模计算

近日,原子能院核数据重点实验室在国际上首次提出,采用耦合深度相移神经网络(CPSDNN)方法开展中子共振截面建模计算,实现中子共振能区与快中子能区裂变截面的自洽计算,为面向未来的中子共振数据评价提供新思路。该方法丰富了机器学习在核物理中的应用,对于核数据评价建库有重要意义。 研究成果发表在核物理国际重要学术期刊《物理快报B》(Physics Letters B),文章第一作者为原子能院核物理研究所博士研究生邢康,通讯作者为核物理研究所研究... 2025-04-11

俄罗斯研究人员开发机器学习模型精准预测熔盐物理性质 助力处理核电站放射性废物

来自Skoltech和俄罗斯科学院乌拉尔分院高温电化学研究所的研究团队宣布,他们已成功开发并测试了一种机器学习模型,该模型能够精确计算熔盐的物理性质,同时充分考虑温度因素的影响。这一研究成果有望为冶金行业带来革新,并可能为处理核电站的放射性废物提供新途径 2025-01-16

高能同步辐射光源机器学习助力纳米角分辨光电子能谱线站数据分析的研究进展

近日,中国科学院高能同步辐射光源(HEPS)光束线软件系统与高分辨纳米电子结构(Nano-ARPES)线站在利用无监督聚类算法划分样品表面不同电子结构区域的研究方面取得重要进展。研究人员开发的多阶段无监督聚类算法(Multi-Stage Clustering Algorithm,MSCA)通过自动提取能带在表面的一致性,清晰地划分出了MoS2/BN异质结中不同衬底或层数MoS2的分布,并实现了细微能带差异的抓取。Nano-ARPES线站通过聚焦X射线光斑至纳米量级,使得研究电子结构在... 2024-12-20