Automated Doppler Broadening of Cross Sections for Neutron Transport Applications
Notice bibliographique
Résumé
This dissertation discusses the research and development of new cross section temperature handling techniques for the SCALE computer code, which is developed and maintained at Oak Ridge National Laboratory. In particular, methods will be added to the KENO Monte Carlo code. Areas of interest include: neutron scattering off of heavy isotopes in the epithermal energy range, implementation of Doppler pre-broadening of continuous energy onedimensional cross-section data, implementation of interpolation on the continuous energy two-dimensional cross sections, and implementation of the direct S(α, β) [S alpha beta] method for thermal neutron scattering and interpolation on that data. Accurate cross section scattering off of heavy isotopes is crucial for accurate neutronics modeling and simulation of actual reactor cores during operational conditions. Scattering off of heavy isotopes such as U [Uranium 238] will have a greater impact on core neutronics behavior as reactor temperatures increase. Ensuring that the cross-section data used by Monte Carlo codes is obtained at the correct temperature will allow more accurate modeling of operating reactors that do not operate at current cross-section library temperatures. A review of the current approaches used for scattering and Doppler broadening was performed, and the current limitations of these approaches were examined. By examining the limitations of current approaches, new methods were developed and implemented into KENO. First, the Doppler Broadened Rejection Correction algorithm was added to KENO to allow for more accurate scattering off of heavy
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».