人工智能方法在AWCC中3He管排布设计的应用

摘要

在有源井型符合中子计数器(AWCC)其他参数确定的情况下,使用人工智能算法寻找3He管的最佳排布方式,以提高设备的中子探测效率.首先对排布方案整体空间进行均匀抽样,再使用蒙特卡罗方法模拟AWCC探测过程,计算每种排布方式下的中子探测效率,从而生成数据样本供人工智能算法学习,然后使用深度神经网络(DNN)快速拟合出3He管排布与中子探测效率的关系,最后结合遗传算法寻找AWCC中3He管的最优排布方式.该方法的中子探测效率与蒙特卡罗计算结果的误差在可接受范围内,且筛选出的最优效率高于原设备的效率.该方法还可用于其他参数的优化设计,并拓展至解决多目标优化问题,为提高AWCC设计的智能性开辟了新途径.