基于PINN深度机器学习技术求解多维中子学扩散方程
来源：核动力工程杂志2022年第2期北京时间：
作者：刘东, 罗琦, 唐雷, 安萍, 杨帆
单位：1.中国核动力研究设计院核反应堆系统设计技术重点实验室，成都，610213；2.中核核能软件与数字化反应堆工程技术研究中心，成都，610213；3.中国核工业集团有限公司科技委，北京，100822；
摘要：阐述了基于物理信息指引的神经网络模型（PINN），构造深度神经网络作为试函数，将其代入中子学扩散方程形成残差，并作为机器学习的加权损失函数，进而通过深度机器学习技术逼近中子学扩散方程数值解；针对扩散方程的特点，提出了特征值方程加速收敛方法、有效增殖系数（<i> k</i><sub>eff</sub>）高效并行搜索技术、学习样本网格点不均匀分布策略等创新性关键技术，并对神经网络深度、神经元数量、边界条件损失函数权重等关键参数进行了敏感性分析。验证计算结果表明，该方法具有良好的精度，提出的关键技术具有显著的成效，为中子学扩散方程的数值求解探索出了新的技术途径。
关键词：深度机器学习, 基于物理信息指引的神经网络模型（PINN）, 中子学扩散方程, 加速收敛, 有效增殖系数（<i>k </i><sub>eff</sub>）
基金资助：第五批国家高层次人才特殊支持计划科技创新领军人才基金项目
