Yapay sinir ağı yöntemiyle ağır iyon füzyon reaksiyon tesir kesitlerinin hesaplanması
Calculation of heavy ion fusion reaction cross sections by artificial neural network method
- Tez No: 840900
- Danışmanlar: PROF. DR. SERKAN AKKOYUN
- Tez Türü: Yüksek Lisans
- Konular: Nükleer Mühendislik, Nuclear Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Sivas Cumhuriyet Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Enerji Bilimleri ve Teknoloji Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Nükleer Enerji Bilim Dalı
- Sayfa Sayısı: 95
Özet
Bu çalışmada ağır iyon füzyon reaksiyonlarının tesir kesiti hesaplamalarını makine öğrenimi yöntemleriyle hesaplaması ve karşılaştırmaları yapılmıştır. Bunlar, yapay sinir ağları, rastgele orman, destek vektör regresyon, aşırı gradyan artırma ve çoklu doğrusal regresyondur. Ağır iyon füzyon reaksiyonları, deneysel nükleer yapı fiziği çalışmalarında yoğun olarak kullanılan bir reaksiyon tipidir. Günümüzde bu reaksiyonları kullanarak, sıra dışı çekirdeklerin yer aldığı bölgeler ve proton/nötron damlama çizgisine yakın çekirdek bölgeleri de incelenebilmektedir. Günümüzde bu reaksiyonları kullanarak, sıra dışı çekirdeklerin yer aldığı bölgeler ve proton/nötron damlama çizgisine yakın çekirdek bölgeleri de incelenebilmektedir. Bu incelemelerde, ürün çekirdeğinin oluşma oranı genellikle oldukça düşüktür ve bu nedenle, en yüksek oluşum oranını elde etmek için reaksiyon kesiti bilgisine sahip olmak önemlidir. Bu çalışma kapsamında, farklı makine öğrenmesi yöntemleri kullanılarak füzyon reaksiyonlarının deneysel kesit değerlerine yakın tahminler yapılmıştır. Elde edilen sonuçlar, hesaplama modülünün açık erişimli bir internet sayfasında yayınlanmıştır. Yapılan çalışmalar, ağır iyon füzyon reaksiyonlarının kesitlerini tahmin etmede makine öğrenmesi yöntemlerinin alternatif ve başarılı bir yaklaşım olduğunu göstermektedir. Özellikle XGBoost, Kübist Makine Öğrenimi ve RF yaklaşımlarının, bu amaç için genel olarak daha başarılı olduğu tespit edilmiştir.
Özet (Çeviri)
In this study, calculations of the cross-sections of heavy ion fusion reactions were performed using machine learning methods, and their comparisons were made. These methods include artificial neural networks, random forest, support vector regression, extreme gradient boosting, and multiple linear regression. Heavy ion fusion reactions are a reaction type extensively used in experimental nuclear structure physics studies. Nowadays, these reactions are employed to investigate regions with exotic nuclei and nuclei close to the proton/neutron drip lines. Using these reactions, regions containing exotic nuclei and nuclei near the proton/neutron drip lines can also be explored. During these investigations, the formation rate of the product nucleus is generally very low, making it crucial to have information about the reaction cross-section to obtain the highest formation rate. In this study, different machine learning methods were utilized to make predictions close to the experimental cross-section values for fusion reactions. The results obtained from these calculations have been published on an open-access webpage. The conducted studies demonstrate that machine learning methods are an alternative and successful approach in predicting the cross-sections of heavy ion fusion reactions. Particularly, the XGBoost, Cubits Machine Learning and Random Forest approaches were found to be generally more successful for this purpose.
Benzer Tezler
- Dynamic modelling, simulation based analysis and optimization of hybrid ship propulsion systems
Gemi hibrit tahrik sistemlerinin dinamik modellemesi, optimizasyonu ve simülasyon temelli analizi
ÖMER BERKEHAN İNAL
Doktora
İngilizce
2022
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
PROF. DR. CENGİZ DENİZ
- Yapay sinir ağlarıyla el yazısının dilimlenmesi ve karakterlerin tanımlanması
Başlık çevirisi yok
MELEK SARICAOĞLU
Yüksek Lisans
Türkçe
1996
Elektrik ve Elektronik MühendisliğiKaradeniz Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. RIFAT YAZICI
- Polymer nanocomposites: synthesis, characterization and application in heavy-metal removal
Polimer nanokompozitler: ağır-metal gideriminde sentezi, karakterizasyonu ve uygulaması
HALİME YAKIŞIK
Yüksek Lisans
İngilizce
2019
Kimya MühendisliğiMarmara ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ UĞUR ÖZVEREN
- Gemi yaşam döngüsünde operasyonel gaz emisyonlarının makine öğrenmesi yöntemiyle tahmini
Estimation of operational gaseous emissions in ship life cycle with machine learning method
LEVENT BİLGİLİ
Doktora
Türkçe
2018
Gemi MühendisliğiYıldız Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. UĞUR BUĞRA ÇELEBİ
- Application of hybrid simulation and improvement of decision tree algorithms for real-time transient stability prediction based on PMU measurements
PMU ölçümlerine dayalı gerçek zamanda geçici hal kararlılığı kestirimi için hibrit simülasyon uygulaması ve karar ağacı algoritmalarının geliştirilmesi
TOHID BEHDADNIA
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ