Machine Learning for neutron source distributions
Dieser Beitrag stellt einen neuartigen Ansatz vor und bewertet diesen, der probabilistische generative Modelle zur Schätzung von Neutronenquellenverteilungen aus Monte-Carlo-Teilchenlisten verwendet und damit eine effiziente, speicherunabhängige Stichprobenziehung nach dem Training der Modelle ermöglicht.