Perturbation Theory Based on the Method of Cyclic Characteristics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Generalized perturbation theory (GPT) is a technique used for the estimation of small changes in performance functionals, such as linear reaction rate ratios, eigenvalues, power density, etc., affected by small variations in reactor core compositions. Here, a GPT algorithm is developed for the multigroup integral neutron transport problems in two-dimensional fuel assemblies with isotropic scattering. We then use the relationship between the generalized flux importance and generalized source importance functions to transform the generalized flux importance transport equations into the integrodifferential equations for the generalized adjoints. The resulting adjoint and generalized adjoint transport equations are then solved using the method of cyclic characteristics (MOCC). Because of the presence of negative adjoint sources, a coupled flux biasing/decontamination scheme is applied to make the generalized adjoint functions positive in such a way that it can be used for the multigroup rebalance technique. After convergence is reached, the decontamination procedure extracts from the generalized adjoints the component parallel to the adjoint function. Three types of biasing/decontamination schemes are investigated in the study. To demonstrate the efficiency of our solution algorithms, calculations are performed on 17 × 17 pressurized water reactor and 37-pin Canada deuterium uranium reactor (CANDU) lattices. Numerical comparisons of the generalized adjoint functions and GPT estimates using the MOCC and collision probability method are presented as well as sensitivity coefficients of nuclide densities.
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.
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 | 0,001 | 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 découle