⚛️ nuclear experiments

New Procedure for the Evaluation of Fission Product Yields: Application to the Spontaneous Fission of $^{252}$ Cf

यह शोध पत्र $^{252}$ Cf के स्वतः विखंडन (spontaneous fission) में स्वतंत्र और संचयी विखंडन उत्पाद लब्धियों (fission product yields) के लिए एक नई मूल्यांकन प्रक्रिया प्रस्तुत करता है, जिसमें माध्य मानों, पूर्ण सहप्रसरणों (full covariances), और प्रॉम्ट तथा विलंबित न्यूट्रॉन एवं $\gamma$ -किरण बहुलता के सुसंगत पूर्वानुमानों को उत्पन्न करने के लिए प्रायोगिक डेटा को हॉसर-फ़ेशबैक विखंडन विखंडन क्षय मॉडल (Hauser-Feshbach Fission Fragment Decay model) के साथ एकीकृत करने हेतु एक बायेसियन कलमान फ़िल्टर का उपयोग किया गया है।

मूल लेखक: A. E. Lovell, T. Kawano, P. Talou

प्रकाशित 2026-05-05

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: A. E. Lovell, T. Kawano, P. Talou

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि एक परमाणु रिएक्टर या एक परमाणु बैटरी एक विशाल, अराजक रसोई (kitchen) है। जब कैलिफ़ोर्नियम-252 (Californium-252) जैसा एक भारी परमाणु टूटता है (विखंडित होता है - fission), तो यह एक बड़े केक के अचानक दो मुख्य टुकड़ों में बिखर जाने जैसा है। लेकिन कहानी यहाँ खत्म नहीं होती। ये टुकड़े गर्म, अस्थिर होते हैं और खुद को ठंडा करने के लिए तुरंत चिंगारियाँ (न्यूट्रॉन) और ऊष्मा (गामा किरणें) छोड़ना शुरू कर देते हैं। अंततः, वे स्थिर, अंतिम रूपों में बस जाते हैं।

इस शोध पत्र के वैज्ञानिक यह जानने की कोशिश कर रहे हैं कि उन अंतिम रूपों का सटीक "नुस्खा" (recipe) क्या है। वे जानना चाहते हैं कि अंतिम व्यंजन में हर संभव सामग्री (विखंडन उत्पाद) की सटीक मात्रा कितनी होगी।

उन्होंने इसे कैसे किया, इसका सरल विवरण यहाँ दिया गया है:

1. समस्या: अनुमान लगाना बनाम जानना

लंबे समय से, वैज्ञानिकों के पास नुस्खे का अनुमान लगाने के दो तरीके थे:

प्रायोगिक तरीका (The Experimental Way): प्रयोगशाला में वास्तविक सामग्रियों को मापना। यह सटीक है लेकिन अव्यवस्थित है। अलग-अलग प्रयोग कभी-कभी अलग-अलग संख्याएँ देते हैं, और कुछ सामग्रियाँ इतनी दुर्लभ होती हैं कि उन्हें ढूँढना कठिन होता है।
सैद्धांतिक तरीका (The Theoretical Way): विस्फोट के भौतिकी को सिम्युलेट करने के लिए एक कंप्यूटर मॉडल (जिसे BeoH कहा जाता है) का उपयोग करना। यह साफ और सुसंगत है, लेकिन यह केवल एक सिमुलेशन है। इसमें वास्तविक जीवन का कोई सूक्ष्म विवरण छूट सकता है।

पुराना तरीका या तो किसी एक को चुनना था, या उन्हें हाथ से एक समान करने की कोशिश करना था, जो धीमा और त्रुटिपूर्ण था।

2. समाधान: "स्मार्ट एडजस्टर" (The Kalman Filter)

लेखकों ने प्रयोगशाला के मापों और कंप्यूटर मॉडल को मिलाने के लिए एक नया तरीका विकसित किया। उन्होंने एक गणितीय उपकरण का उपयोग किया जिसे बेयसियन कालमन फ़िल्टर (Bayesian Kalman Filter) कहा जाता है।

कंप्यूटर मॉडल (BeoH) को एक आंखों पर पट्टी बंधे शेफ के रूप में सोचें जो केक बना रहा है। शेफ के पास एक रेसिपी (भौतिकी के नियम) है, लेकिन उसे नहीं पता कि ओवन का सटीक तापमान क्या है या कमरे में नमी कितनी है।

प्रायोगिक डेटा (Experimental Data) उन स्वाद परीक्षकों (taste testers) की तरह है जो शेफ को बताते हैं, "यह केक बहुत मीठा है," या "यह थोड़ा सूखा है।"
कालमन फ़िल्टर (Kalman Filter) उस शेफ और स्वाद परीक्षकों के बीच खड़ा एक स्मार्ट सहायक है।

सहायक स्वाद परीक्षकों की बात सुनता है, शेफ की वर्तमान रेसिपी को देखता है, और कहता है, "ठीक है शेफ, गर्मी को 2% कम करें और चुटकी भर मैदा और डालें।" शेफ फिर से प्रयास करता है। सहायक यह प्रक्रिया बार-बार करता है, न कि केवल एक बार, बल्कि चरणों में, जिससे केक हर बार पूर्ण स्वाद के करीब पहुँच जाता है।

3. उन्होंने वास्तव में क्या किया

टीम ने इस "स्मार्ट एडजस्टर" को कैलिफ़ोर्नियम-252 के स्वतः विखंडन (spontaneous fission) पर लागू किया (एक भारी परमाणु जो बिना किसी न्यूट्रॉन के टकराए अपने आप टूट जाता है)।

इनपुट (Inputs): उन्होंने सहायक को दो चीजें दीं:
1. कंप्यूटर मॉडल की भविष्यवाणियाँ।
2. EXFOR नामक डेटाबेस से वास्तविक दुनिया के डेटा का एक विशाल संग्रह (जिसमें हजारों पिछले प्रयोग शामिल हैं)।
प्रक्रिया (Process): उन्होंने सहायक को कंप्यूटर मॉडल की सेटिंग्स (जैसे कि टुकड़ों की ऊर्जा, उनका घूमना, और वे ऊष्मा को कैसे साझा करते हैं) को बदलने दिया, जब तक कि मॉडल का आउटपुट वास्तविक दुनिया के डेटा से यथासंभव मेल न खा जाए।
परिणाम (Result): उन्हें केवल संख्याओं की नई सूची नहीं मिली। उन्हें संख्याओं की एक सूची के साथ-साथ यह भी मिला कि वे संख्याएँ कितनी अनिश्चित हैं और वे एक-दूसरे से कैसे संबंधित हैं।

4. "संबंधों का मानचित्र" (Covariances)

यह उनके काम का एक प्रमुख हिस्सा है। आमतौर पर, डेटा पुस्तकें केवल एक संख्या देती हैं (जैसे, "हमारे पास इस सामग्री का 5% है")। वे आपको यह नहीं बतातीं कि वह संख्या कितनी विश्वसनीय है या वह किसी अन्य संख्या से कैसे जुड़ी है।

लेखकों ने एक सहसंबंध मानचित्र (correlation map) बनाया।

उपमा (Analogy): कल्पना कीजिए कि आप केक बना रहे हैं। यदि आप चीनी की मात्रा बदलते हैं, तो मिठास बदल जाती है। लेकिन यदि आप चीनी बदलते हैं, तो बनावट (texture) भी बदल सकती है, और बेकिंग के समय को भी समायोजित करने की आवश्यकता हो सकती है।
उनके नए डेटा में, यदि आप एक विखंडन उत्पाद की मात्रा जानते हैं, तो मानचित्र आपको बताता है कि इससे अन्य उत्पादों की मात्रा के बारे में आपका विश्वास कैसे बदलता है। यह बिंदुओं को जोड़ता है, यह दिखाता है कि यदि एक संख्या बढ़ती है, तो दूसरी के घटने की संभावना है, या वे दोनों एक ही तरह से गलत होने की संभावना रखते हैं।

5. क्या यह सफल रहा?

उन्होंने अपने नए "समायोजित नुस्खे" का परीक्षण दो तरीकों से किया:

वास्तविक लैब डेटा के विरुद्ध: उन्होंने अपने नए नंबरों की तुलना उन वास्तविक प्रयोगों से की जिनका उपयोग उन्होंने मॉडल को प्रशिक्षित करने के लिए किया था। परिणाम बहुत अच्छी तरह से मेल खाए।
"आधिकारिक" लाइब्रेरी (ENDF/B-VIII.0) के विरुद्ध: उन्होंने अपने नए नंबरों की तुलना परमाणु इंजीनियरों द्वारा उपयोग की जाने वाली वर्तमान मानक लाइब्रेरी से की।
- आश्चर्य: भले ही उन्होंने अपने मॉडल को प्रशिक्षित करने के लिए आधिकारिक लाइब्रेरी का उपयोग नहीं किया था, फिर भी उनके नए नंबर आधिकारिक लाइब्रेरी के साथ आश्चर्यजनक रूप से अच्छी तरह से मेल खा गए।
- अंतर: जहाँ वे असहमत थे (मुख्य रूप से बहुत दुर्लभ सामग्रियों पर जहाँ कोई लैब डेटा नहीं था), उनकी नई विधि ने अधिक सुसंगत तस्वीर प्रदान की क्योंकि इसे भौतिकी के नियमों और उपलब्ध डेटा दोनों का एक साथ पालन करने के लिए मजबूर किया गया था।

6. बोनस: अन्य चीजों की भविष्यवाणी करना

चूंकि उनका मॉडल वास्तविक भौतिकी पर आधारित है, इसलिए वे उन चीजों की भी भविष्यवाणी कर सकते हैं जिन्हें उन्होंने कोशिश भी नहीं की थी।

उन्होंने गणना की कि कितने न्यूट्रॉन तुरंत (prompt) और बाद में (delayed) उत्सर्जित होते हैं।
उन्होंने गणना की कि कितनी गामा किरणें उत्सर्जित होती हैं।
परिणाम: भले ही उन्होंने कंप्यूटर को इन विशिष्ट संख्याओं से मेल खाने के लिए नहीं कहा था, फिर भी "स्मार्ट एडजस्टर" ने मॉडल को इतनी अच्छी तरह से ट्यून किया कि ये भविष्यवाणियाँ भी वास्तविक दुनिया के डेटा से बहुत करीब से मेल खाती हैं। यह रेडियो को एक आदर्श गाना पाने के लिए ट्यून करने जैसा है, और अचानक रेडियो पर आवाज की वॉल्यूम और स्पष्टता भी एकदम सही हो जाती है।

सारांश

लेखकों ने परमाणु डेटा बनाने का एक नया, स्मार्ट तरीका बनाया है। केवल संख्याओं को सूचीबद्ध करने के बजाय, उन्होंने एक ऐसी प्रणाली बनाई है जो कंप्यूटर सिमुलेशन को वास्तविक प्रयोगों के साथ मिलाती है ताकि एक ऐसा "नुस्खा" तैयार किया जा सके जो सुसंगत हो, भौतिक रूप से यथार्थवादी हो, और एक विस्तृत मानचित्र के साथ आता है कि सभी सामग्रियां एक-दूसरे से कैसे संबंधित हैं। उन्होंने सिद्ध किया कि यह कैलिफ़ोर्नियम-252 के लिए काम करता है, और वे कहते हैं कि इसी पद्धति का उपयोग भविष्य में अन्य परमाणु प्रतिक्रियाओं के लिए भी किया जा सकता है।

यहाँ Lovell, Kawano, और Talou द्वारा लिखित शोध पत्र "New Procedure for the Evaluation of Fission Product Yields: Application to the Spontaneous Fission of $^{252}\text{Cf}$ " का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

स्वतंत्र विखंडन उपज (Independent Fission Yields - IFYs) और संचयी विखंडन उपज (Cumulative Fission Yields - CFYs) का सटीक ज्ञान परमाणु ईंधन चक्र अनुप्रयोगों, रिएक्टर डिजाइन और विखंडन प्रक्रिया के मौलिक अध्ययनों के लिए अत्यंत महत्वपूर्ण है। वर्तमान मूल्यांकित परमाणु डेटा पुस्तकालय (जैसे, ENDF/B-VIII.1) काफी हद तक प्रयोगात्मक डेटा प्रणालियों (जैसे, इंग्लैंड-राइडर मूल्यांकन) पर निर्भर करते हैं, जिनमें विभिन्न विखंडन अवलोकनों (observables) के बीच सीमित निरंतरता होती है।

वर्तमान विधियों की सीमाएँ: मौजूदा मूल्यांकन अक्सर विखंडन उपजों को अलग-थलग मानते हैं, जिनमें विभिन्न विखंडन उत्पादों के बीच सहसंबंध (correlations) का वर्णन करने वाले पूर्ण कोवेरियेंस मैट्रिसेस (covariance matrices) का अभाव होता है। इसके अलावा, वे अन्य साथ-साथ होने वाले अवलोकनों जैसे कि प्रॉम्प्ट न्यूट्रॉन बहुलता ( $\nu_p$ ) या $\gamma$ -किरण बहुलता का उपयोग करके उपजों को सुसंगत रूप से नियंत्रित नहीं करते हैं।
लक्ष्य: एक एकीकृत मूल्यांकन प्रक्रिया विकसित करना जो परमाणु अभिक्रिया मॉडलिंग को प्रयोगात्मक डेटा के साथ जोड़कर सुसंगत IFYs, CFYs और उनके पूर्ण कोवेरियेंस मैट्रिसेस का उत्पादन कर सके, जबकि अन्य प्रॉम्प्ट और विलंबित (delayed) विखंडन अवलोकनों के साथ निरंतरता सुनिश्चित की जा सके।

2. कार्यप्रणाली (Methodology)

लेखक एक नया मूल्यांकन ढांचा प्रस्तावित करते हैं जो BeoH कोड और एक Bayesian Kalman Filter अनुकूलन तकनीक पर केंद्रित है।

A. सैद्धांतिक मॉडल: BeoH

BeoH एक नियतात्मक (deterministic) विखंडन खंड क्षय कोड है जो Hauser-Feshbach सांख्यिकीय सिद्धांत पर आधारित है।

प्रारंभिक स्थितियाँ: यह द्रव्यमान ( $A$ $A$ ), आवेश ( $Z$ $Z$ ), कुल गतिज ऊर्जा (TKE), स्पिन ( $J$ $J$ ), और पैरिटी ( $\pi$ $π$ ) के लिए प्रारंभिक वितरणों को परिभाषित करके संकुल नाभिक ( $^{252}\text{Cf}$ $^{252} Cf$ ) के विखंडन (scission) का मॉडल तैयार करता है।
- द्रव्यमान वितरण को गॉसियन मोड (सममित और असममित) के योग के रूप में मॉडल किया गया है।
- आवेश वितरण Wahl प्रणालियों का अनुसरण करता है जिसमें विषम-सम (odd-even) उतार-चढ़ाव को समझाने के लिए समायोज्य स्केलिंग कारक ( $f_Z, f_N$ ) शामिल हैं।
- हल्के और भारी खंडों के बीच उत्तेजना ऊर्जा (excitation energy) का साझाकरण $R_T(A)$ तापमान अनुपात द्वारा नियंत्रित होता है।
क्षय प्रक्रिया (Decay Process):
- प्रॉम्प्ट उत्सर्जन: खंड Hauser-Feshbach सिद्धांत का उपयोग करके प्रॉम्प्ट न्यूट्रॉन और $\gamma$ -किरण उत्सर्जन के माध्यम से क्षय होते हैं।
- विलंबित उत्सर्जन: कोड मूल्यांकित क्षय डेटा (ENDF/B-VIII.0 क्षय लाइब्रेरी) का उपयोग करके $\beta$ -क्षय श्रृंखलाओं और $\beta$ -विलंबित न्यूट्रॉन/ $\gamma$ उत्सर्जन का अनुकरण करके संचयी उपज की गणना करता है।
आउटपुट: मॉडल IFYs, CFYs, प्रॉम्प्ट न्यूट्रॉन बहुलता ( $\nu_p$ ), विलंबित न्यूट्रॉन बहुलता ( $\nu_d$ ), और प्रॉम्प्ट $\gamma$ -किरण बहुलता ( $N_\gamma$ ) उत्पन्न करता है।

B. अनुकूलन: Bayesian Kalman Filter

डेटा के विरुद्ध BeoH मॉडल मापदंडों को अनुकूलित करने के लिए, लेखक एक कलमन फिल्टर का उपयोग करते हैं, जो संभावना (likelihood) और प्रायोर (priors) के लिए मल्टीवेरिएट गॉसियन वितरण मानता है।

रैखिक सन्निकटन (Linear Approximation): मॉडल मापदंडों ( $x$ ) और आउटपुट ( $f(x)$ ) के बीच संबंध को रैखिकीकृत किया जाता है: $f(x_1) = f(x_0) + C\delta x$ , जहाँ $C$ संवेदनशीलता मैट्रिक्स (sensitivity matrix) है।
पुनरावृत्ति प्रक्रिया (Iterative Process):
1. संवेदनशीलता गणना: मॉडल मापदंडों को $\pm 1\%$ बदलकर CFYs और $\nu_p$ की संवेदनशीलता की गणना की जाती है।
2. अपडेट चरण: फिल्टर मापदंडों ( $\delta x$ ) को अपडेट करता है ताकि प्रयोगात्मक कोवेरियेंस ( $V$ ) और पूर्व मापदंड अनिश्चितताओं ( $X$ ) को ध्यान में रखते हुए मॉडल भविष्यवाणियों और लक्षित डेटा (प्रयोगात्मक या लाइब्रेरी मान) के बीच के अंतर को न्यूनतम किया जा सके।
3. गैर-रैखिकता जाँच: क्योंकि मॉडल गैर-रैखिक है, लेखक प्रत्येक फिल्टर चरण के बाद अपडेट किए गए मापदंडों के साथ पूर्ण BeoH गणना करते हैं ताकि यह सत्यापित किया जा सके कि रैखिक सन्निकटन बना हुआ है (यह जाँचने के लिए कि $\delta_{KB}$ , कलमन और पूर्ण BeO H परिणामों के बीच प्रतिशत अंतर क्या है)।
बहु-चरणीय फिटिंग (Multi-Step Fitting): कम-उपज वाले नाभिकों को फिट को प्रभावित करने से रोकने के लिए, एक चरण-वार अनुकूलन का उपयोग किया जाता है, जो उच्च-उपज वाले नाभिकों (>5%) से शुरू होकर 0.2% तक कम उपज वाले नाभिकों को क्रमिक रूप से जोड़ता है।

C. डेटा स्रोत

दो अलग-अलग अनुकूलन लक्ष्यों का परीक्षण किया गया:

प्रयोगात्मक डेटा: EXFOR डेटाबेस से चयनित CFYs (आउटलियर हटाने और अनिश्चितता स्क्रीनिंग के साथ)।
मूल्यांकित लाइब्रेरी: ENDF/B-VIII.0 लाइब्रेरी से CFYs।

3. मुख्य योगदान (Key Contributions)

एकीकृत मूल्यांकन ढांचा: एक विधि प्रदर्शित करता है जो एक एकल भौतिक मॉडल के माध्यम से अन्य विखंडन अवलोकनों (प्रॉम्प्ट/विलंबित न्यूट्रॉन और गामा) के साथ स्वाभाविक रूप से सुसंगत विखंडन उपज का मूल्यांकन करती है।
पूर्ण कोवेरियेंस मैट्रिसेस: दोनों IFYs और CFYs के लिए पूर्ण कोवेरियेंस मैट्रिसेस उत्पन्न करता है, जो विभिन्न विखंडन उत्पादों के बीच और विभिन्न ऊर्जा बिंदुओं के बीच सहसंबंधों को कैप्चर करता है (हालाँकि यह पेपर स्वतःस्फूर्त विखंडन पर केंद्रित है)।
उच्च-रिज़ॉल्यूशन ऊर्जा ग्रिड: हालांकि यहाँ स्वतःस्फूर्त विखंडन पर लागू किया गया है (कोई आपतित ऊर्जा निर्भरता नहीं), पद्धति को 20 MeV तक न्यूट्रॉन-प्रेरित विखंडन के लिए सूक्ष्म ऊर्जा ग्रिड पर उपज प्रदान करने के लिए डिज़ाइन किया गया है।
निरंतरता का सत्यापन: यह दिखाता है कि केवल CFYs (या CFYs + $\nu_p$ ) के लिए अनुकूलित करने से अन्य अवलोकनों (जैसे $\nu_d$ और $N_\gamma$ ) के लिए भविष्यवाणियां सुसंगत रहती हैं, भले ही उन विशिष्ट अवलोकनों को स्पष्ट रूप से लागत फलन (cost function) में शामिल नहीं किया गया था।

4. परिणाम (Results)

अध्ययन को $^{252}\text{Cf}$ के स्वतःस्फूर्त विखंडन पर लागू किया गया।

मापदंड अनुकूलन (Parameter Optimization):
- अनुकूलन ने लक्षित डेटा से मेल खाने के लिए BeoH मापदंडों (जैसे, गॉसियन चौड़ाई, TKE, और तापमान अनुपात $R_T$ ) को सफलतापूर्वक समायोजित किया।
- मापदंडों में परिवर्तन आम तौर पर छोटे थे (<10%), सिवाय विशिष्ट $R_T$ मानों के जहाँ डेटा संवेदनशीलता सबसे अधिक थी।
- रैखिक सन्निकटन अधिकांश फिट के लिए वैध रहा ( $\delta_{KB} < 1\%$ ), जो कलमन फिल्टर दृष्टिकोण की मजबूती की पुष्टि करता है।
लक्ष्यों की तुलना:
- EXFOR के लिए फिट: मॉडल ने प्रयोगात्मक डेटा को अच्छी तरह से पुनरुत्पादित किया, जिसमें $\chi^2/N$ मान आम तौर पर कम रहे। फिट किए गए BeO H गणना अक्सर प्रयोगात्मक डेटा की अनिश्चितताओं के भीतर थे।
- ENDF/B-VIII.0 के लिए फिट: मॉडल ने लाइब्रेरी मानों को पुनरुत्पादित करने के लिए सफलतापूर्वक समायोजन किया। विशिष्ट आइसोटोप (जैसे, $^{115}\text{Sn}$ ) के लिए विसंगतियां देखी गईं जहाँ BeoH बेसलाइन लाइब्रेरी मान से काफी कम थी, जो उन विशिष्ट मामलों के लिए लाइब्रेरी या मॉडल भौतिकी में संभावित समस्याओं को उजागर करती है।
अन्य अवलोकनों के साथ निरंतरता:
- प्रॉम्प्ट न्यूट्रॉन ( $\nu_p$ ): फिट किए गए मान प्रयोगात्मक डेटा और ENDF/B-VIII.0 मूल्यांकन के साथ सुसंगत थे।
- विलंबित न्यूट्रॉन ( $\nu_d$ ): अनुकूलन में शामिल न होने के बावजूद, अनुमानित $\nu_d$ ने प्रयोगात्मक डेटा (विशेष रूप से Cox et al.) के साथ अच्छा तालमेल दिखाया, जो $f_N$ और $f_Z$ मापदंडों के माध्यम से विषम-सम (odd-even) उतार-चढ़ाव प्रभावों को पकड़ने की मॉडल की क्षमता को प्रमाणित करता है।
- प्रॉम्प्ट गामा ( $N_\gamma$ ): कुछ विसंगतियां देखी गईं, जिनका कारण प्रयोगात्मक टाइमिंग/ऊर्जा कट और मॉडल की खंड स्पिन वितरण के प्रति संवेदनशीलता में अंतर को माना गया है।
कोवेरियेंस (Covariances):
- परिणामी कोवेरियेंस मैट्रिसेस ने पड़ोसी मास चेन्स के बीच मजबूत सकारात्मक सहसंबंध और आइसोटोपिक चेन्स के भीतर संरचित सहसंबंध दिखाए।
- अनिश्चितता में कमी: वर्तमान ENDF/B-VIII.0 मूल्यांकन की तुलना में नए मॉडल ने CFYs की सापेक्ष अनिश्चितताओं को काफी कम कर दिया, विशेष रूप से उच्च-द्रव्यमान क्षेत्रों में जहाँ प्रयोगात्मक डेटा विरल है।

5. महत्व और भविष्य का कार्य (Significance and Future Work)

प्रभाव: यह कार्य अगली पीढ़ी के परमाणु डेटा मूल्यांकनों के लिए एक मार्ग स्थापित करता है जो भौतिक रूप से सुसंगत हैं और कठोर अनिश्चितता मात्रा निर्धारण (कोवेरियेंस) प्रदान करते हैं। यह उन्नत रिएक्टर सिमुलेशन और सुरक्षा विश्लेषण के लिए आवश्यक है जहाँ विखंडन उत्पादों के बीच सहसंबंध मायने रखते हैं।
स्केलेबिलिटी: लेखक नोट करते हैं कि इस पद्धति को पहले से ही 20 MeV तक न्यूट्रॉन-प्रेरित विखंडन ( $^{235}\text{U}$ , $^{238}\text{U}$ , $^{239}\text{Pu}$ ) के लिए विस्तारित किया जा रहा है, जो ऊर्जा निर्भरता और मल्टी-चांस विखंडन चैनलों को पेश करता है।
भविष्य की दिशाएं:
- आउटलियर्स और व्यवस्थित त्रुटियों को संभालने के लिए प्रयोगात्मक अनिश्चितता टेम्पलेट्स को परिष्कृत करना।
- रिएक्टर भौतिकी मापदंडों पर प्रभाव को मापने के लिए नए कोवेरियेंस मैट्रिसेस को अनुप्रयोग कोड के माध्यम से प्रसारित करना।
- आवेश वितरण प्रणालियों को और अधिक बाधित करने के लिए विलंबित न्यूट्रॉन बहुलता ( $\nu_d$ ) को सीधे अनुकूलन लूप में शामिल करना।

निष्कर्षतः, यह शोध पत्र विखंडन उत्पाद उपजों के मूल्यांकन के लिए एक मजबूत, भौतिक-आधारित कार्यप्रणाली प्रस्तुत करता है जो सैद्धांतिक मॉडलिंग और प्रयोगात्मक डेटा के बीच के अंतर को पाटता है, जो परमाणु डेटा पुस्तकालयों की निरंतरता और विश्वसनीयता में एक महत्वपूर्ण सुधार प्रदान करता है।