인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
본 연구는 Monte Carlo N-Particle(MCNP) 시뮬레이션의 수렴성 판정 시 발생하는 판정 일관성 부족과 통계적 불확실성을 해소하기 위해, 데이터 주도형 분석과 물리 정보 신경망(PINN)을 결합한 통합 진단 프레임워크를 제안한다. 이를 위해 LSTM과 ResNet을 활용하여 MCNP의 시계열 및 정적 통계 지표를 분석하였으며, ResNet의 은닉 레이어 수와 활성화 함수에 대한 그리드 탐색(4×4=16 조합)결과 13개 조합이 동일한 최고 성능을 기록하였으며, 이 중 모델 복잡도가 가장 낮은 Layers=1, Tanh 구조를 최종 구조로 선정하고 난수 고정(seed=42) 적용으로 95.0%(57/60)의 판정 정확도를 달성하였다. 또한, 볼츠만 수송 방정식으로부터 유도된 직선 감쇄 지배방정식을 손실 함수에 내재화한 PINN 모델을 설계하였으며, Physics Loss 가중치(λ)에 대한 체계적 탐색을 통해 λ=1.0을 최적값으로 선정하였다. 전체 300 case × 3,000 epoch을 통한 정식 재학습 결과, Physics Loss를 0.001617 수준으로 수렴하였으며, 정식 학습 결과 직선 감쇄 지배방정식 준수율 100.00%(300/300 case)를 달성하였다. 본 연구는 통계적 패턴과 물리 지배 방정식의 이중 검증 체계를 구축함으로써 가짜 수렴 오판을 차단하기 위한 기반을 마련하며, 폐쇄망 환경에서 즉시 적용 가능한 객관적 신뢰도 평가 절차를 제시한다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
