Моделирование тонких структур в распределениях продуктов ядерных реакций по массе и их распознавание методами машинного обучения

Основное содержимое статьи

Г. А. Ососков
Ю. В. Пятков
М. О. Руденко

Аннотация

Работа посвящена анализу проявлений кластеризации в редких многотельных распадах тяжелых ядер. Совместно с физиками из ЛЯР ОИЯИ была разработана компьютерная модель тонкой структуры, найденной ими на основе экспериментов с трансурановым элементом калифорний. Для проверки гипотезы о том, что найденная структура объективно существует, а не является шумовым артефактом, было предложено применить глубокую сверточную сеть в качестве бинарного классификатора, обученного на большой выборке из модельных и шумовых изображений. Предварительные результаты применения разработанного нейроклассификатора показывают перспективность предложенного подхода.

Скачивания

Данные скачивания пока недоступны.

Информация о статье

Как цитировать
[1]
Ососков, Г.А., Пятков, Ю.В. и Руденко, М.О. 2021. Моделирование тонких структур в распределениях продуктов ядерных реакций по массе и их распознавание методами машинного обучения. Системный анализ в науке и образовании. 1 (сен. 2021), 1–10. DOI:https://doi.org/10.37005/2071-9612-2020-1-20-29.
Раздел
Статьи

Библиографические ссылки

Pyatkov Yu. V., et al., Nucl. Phys. A 611 (1996), 355-369.

Pyatkov Yu. V., et al., Nucl. Phys. A 624, (1997), 140.

Pyatkov Yu. V., et al., Nucl. Instrum. Methods A 488, (2002), 381.

Pyatkov Yu. V., et al., Phys. Atomic Nuclei 67, (2004), 1726.

Pyatkov Yu. V., et al., Pattern recognition and image analysis v. 21 (2011), 82-87.

Pyatkov Yu. V., et al., Eur. Phys. J. A 48, 94 (2012).

Hough P. V. C. A Method and Means for Recognizing Complex Patterns. ⎯ US Patent: 3,069,654, 1962.

Pyatkov Yu. V., et al., Proc. of the XXVI International Seminar on Interaction of Neutrons with Nuclei, Xi'an, China, 28 May-01 June 2018 г, eLIBRARY ID: 41346520. — Pp. 285-290.

Никитин В.А., Ососков Г.А. Автоматизация измерений и обработки данных физического эксперимента (монография). — М.: МГУ, 1986. — C. 185.

Дмитриевский С.Г., Ососков Г.А. Математическое моделирование. Часть 1. Учебно-методическое пособие. — Дубна, изд. ун-т «Дубна», 2011. — С. 86. Сетевое научное издание «Системный анализ в науке и образовании» Выпуск №1, 2020 год 29

Wilkins B.D. et al., Phys.Rev. C 14 (1976), 1832.

Кадурин А. Глубокое обучение. Погружение в мир нейронных сетей / А. Кадурин, Е. Архангельская, С. Николенко . — СПБ.: Питер. — 2018. — С. 480.

Understanding Categorical Cross-Entropy Loss, Binary Cross-Entropy Loss, Softmax Loss, Logistic Loss, Focal Loss and all those confusing names. — [Электронный ресурс]. URL: https://gombru.github.io/2018/05/23/cross_entropy_loss/ (Дата использования 10.11.2019).

Diederik P. Kingma, Jimmy Ba, Adam: A Method for Stochastic Optimization. — [Электронный ресурс]. URL: https://arxiv.org/abs/1412.6980. (Дата использования 13.11.2019).

Наиболее читаемые статьи этого автора (авторов)