搜索结果
关键词：机器学习
美国STREAMLINE项目利用人工智能推进核量子多体问题研究
2026年8月25日，一个名为STREAMLINE的新项目正在将人工智能、机器学习与超级计算结合起来，用于解决核物理研究中的核量子多体问题，目标是更精确地模拟原子核内质子和中子的相互作用，并为中子星、基本相互作用等前沿问题提供理论支撑。核量子多体问题的难点在于，随着粒子数量增加，粒子之间可能发生的相互作用会迅速增长，传统计算方法很快触及算力上限。即便使用高性能超级计算机，也通常只能处理规模相对有限的量子系统。STREAMLINE项目希望通...
2026-08-26
俄罗斯团队开发机器学习模型预测稀土与锕系元素配合物稳定性
莫斯科国立大学化学系智能化学设计跨学科实验室研究人员与该校力学与数学系同事合作，开发出一种用于评估稀土元素和三价锕系元素配合物稳定性的新型机器学习模型。相关成果已发表在《化学物理杂志》上。研究团队表示，机器学习可在化学研究中降低时间和材料成本，这一点对稀有、昂贵或具有危险性的镧系元素和锕系元素尤为重要。镧系元素与钪、钇通常被归为稀土元素，广泛用于永磁体、电池、电子元件和激光器等领域。由于稀土元素在自然界中...
2026-08-25
美国阿贡国家实验室推出DONUT工具 加速X射线纳米衍射数据实时分析
美国能源部阿贡国家实验室研究人员开发出一款名为DONUT的新型机器学习工具，用于加快先进光子源(APS)实验中的X射线数据分析。该工具可在实验过程中实时处理扫描X射线纳米衍射显微镜(SXDM)产生的复杂图像，帮助科研人员更快判断材料内部结构变化。DONUT全称为基于无监督训练的纳米光束光学衍射，是一种物理感知神经网络。其特点是把人工智能方法与聚焦X射线束和材料相互作用的物理模型结合起来，可直接从实验数据中学习，不依赖预先标注的训练...
2026-08-17
机器学习框架可预测DIII-D聚变装置线圈微位移
美国能源部 (DOE) 托马斯·杰斐逊国家加速器设施 (Thomas Jefferson National Accelerator Facility, Jefferson Lab) 研究人员及合作团队开发出一种机器学习框架，可在下一次实验开始前预测聚变装置关键硬件的微小变化。该方法面向位于圣地亚哥的DIII-D国家聚变装置 (DIII-D National Fusion Facility)，相关成果已发表在《机器学习及其应用》期刊上。DIII-D国家聚变装置托卡马克内部结构。(图片由通用原子公司提供)DIII-D是一种托卡马...
2026-08-17
索菲利奥启动聚变平衡挑战赛，开放DIII-D与MAST实验数据集
8月11日，索菲利奥 (Sophelio) 启动聚变平衡挑战赛(Fusion Equilibrium Challenge)。该赛事已被纳入2026年神经信息处理系统大会 (NeurIPS) 竞赛轨道，是首个进入该竞赛轨道的聚变能源相关挑战赛。本次挑战赛由索菲利奥联合DIII-D国家聚变设施 (DIII-D National Fusion Facility)、英国原子能管理局 (UKAEA) FAIR-MAST项目以及德克萨斯大学奥斯汀分校聚变研究所 (IFS) 共同举办，数据托管于Hugging Face平台。赛事面向全球机器学习社区，要...
2026-08-12
原子能院采用机器学习方法实现中子共振截面建模计算
近日，原子能院核数据重点实验室在国际上首次提出，采用耦合深度相移神经网络(CPSDNN)方法开展中子共振截面建模计算，实现中子共振能区与快中子能区裂变截面的自洽计算，为面向未来的中子共振数据评价提供新思路。该方法丰富了机器学习在核物理中的应用，对于核数据评价建库有重要意义。研究成果发表在核物理国际重要学术期刊《物理快报B》(Physics Letters B)，文章第一作者为原子能院核物理研究所博士研究生邢康，通讯作者为核物理研究所研究员...
2025-04-11
美资助用于聚变能源科学的机器学习、人工智能和数据资源研究
2023年8月31日，美国能源部科学办公室宣布为7个团队提供2900万美元的资金，用于聚变能源科学的机器学习、人工智能和数据资源方面的研究。
2023-09-06
数据是核能发展未来的关键
核工业是否应该推广机器学习和人工智能，以便更好地管理其资产基础?有专家认为，该行业应用数字技术没有那么复杂。
2022-11-29
美国资助人工智能和机器学习用于研究聚变能
2020年8月20日,美国能源部宣布了一项计划，将提供多达2100万美元用于支持聚变能源的人工智能和机器学习研究。
2020-08-28