Tungsten-183 ve kromyum-52 izotoplarının (n,2n) reaksiyonlarıyla üretiminin tesir kesiti için makine öğrenimi tahminleri
Machine learning predictions for the production of tungsten-183 and chromium-52 isotopes by (n,2n) reactions
- Tez No: 931305
- Danışmanlar: DR. ÖĞR. ÜYESİ ABDÜLKADİR ELMAS
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Nükleer Mühendislik, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering, Nuclear Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Giresun Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 87
Özet
Nükleer teknolojide önemli rol oynayan Tungsten-183 ve Kromyum-52 izotoplarının reaksiyon tesir kesitlerinin (bir nükleer reaksiyonun gerçekleşme olasılığını gösteren fiziksel büyüklük) doğru belirlenmesi, nükleer reaktör tasarımı, radyasyon zırhlama ve nötron transport hesaplamaları gibi alanlarda kritik öneme sahiptir. Çalışmada, mevcut deneysel veriler kullanılarak çeşitli makine öğrenimi algoritmaları eğitilmiş ve test edilmiştir. Kullanılan yöntemler arasında Kübist, Destek Vektör Regresyonu, Aşırı Gradyan Artırma, Rastgele Orman, Bayesçi Düzenlenmiş Sinir Ağları yer almaktadır. Sonuçları iyileştirmek amacıyla, tesir kesiti tahminlerinde kullanılan değişkenlere özellik (feature) mühendisliği yöntemi uygulanmıştır. Elde edilen sonuçlar, makine öğrenimi yöntemlerinin 183W ve 52Cr izotoplarının (n, 2n) reaksiyon (bir çekirdeğin bir nötron (n) ile çarpışması sonucunda iki nötron (2n) yayınlaması) tesir kesitlerini tahmin etmede başarılı olduğunu göstermiştir. Özellikle deneysel verilerin mevcut olmadığı enerji aralıklarında, bu yöntemler rezonansları yakalamada ve güvenilir tahminler yapmada etkili olmuştur. En iyi tahminler, BRNN, XGBoost, RF ve Kübist yöntemleriyle elde edilmiştir. Ayrıca, makine öğrenimi yaklaşımının, karmaşık fiziksel formülasyonlarla uğraşmadan hızlı ve doğru sonuçlar elde etmek için alternatif bir yol sunduğu gözlemlenmiştir. Bu çalışma, makine öğrenimi tekniklerinin nükleer veri analizinde ve sentezinde kullanılabilirliğini göstererek, nükleer araştırma ve uygulamalarda yeni bir perspektif sunmaktadır. Elde edilen bulgular, nükleer veri tabanlarının geliştirilmesine ve nükleer reaksiyon mekanizmalarının daha iyi anlaşılmasına katkı sağlayacak niteliktedir.
Özet (Çeviri)
Accurate determination of reaction cross-sections (physical quantities indicating the probability of nuclear reactions occurring) of Tungsten-183 and Chromium-52 isotopes, which play important roles in nuclear technology, is critical in areas such as nuclear reactor design, radiation shielding, and neutron transport calculations. In the study, various machine learning algorithms were trained and tested using available experimental data. The methods used include Cubist, Support Vector Regression, Extreme Gradient Boosting, Random Forest, and Bayesian Regularized Neural Networks. Feature engineering methods were applied to the variables used in cross-section predictions to improve the results. The obtained results showed that machine learning methods were successful in predicting the (n,2n) reaction (emission of two neutrons (2n) as a result of a nucleus colliding with one neutron (n)) cross-sections of 183W and 52Cr isotopes. These methods were particularly effective in capturing resonances and making reliable predictions in energy ranges where experimental data was not available. The best predictions were obtained with BRNN, XGBoost, RF, and Cubist methods. Additionally, it was observed that the machine learning approach offers an alternative way to obtain fast and accurate results without dealing with complex physical formulations. This study presents a new perspective in nuclear research and applications by demonstrating the usability of machine learning techniques in nuclear data analysis and synthesis. The findings obtained are expected to contribute to the development of nuclear databases and better understanding of nuclear reaction mechanisms.
Benzer Tezler
- Termal sürtünmeli delme işleminde kovanın geometrik ve fiziksel özelliklerinin araştırılması
Investigation of geometric and physical properties of bushing structure in thermal friction drilling process
MUHAMMET BAL
Doktora
Türkçe
2020
Makine MühendisliğiFırat ÜniversitesiMakine Eğitimi Ana Bilim Dalı
DOÇ. DR. CEBELİ ÖZEK
- Tungsten oksit'te mxene ve grafen katkılayarak oluşturulan incefilmlerin optik ve elektrokromik özelliklerinin incelenmesi
Investigation of optical and electrochromic properties of thin films created by doping tungsten oxide mxene and graphene
BETÜL ÖZTETİK
Yüksek Lisans
Türkçe
2024
Fizik ve Fizik MühendisliğiEskişehir Osmangazi ÜniversitesiFizik Ana Bilim Dalı
DOÇ. DR. ŞADAN KORKMAZ
- Tungsten katkılı metal matrisli kompozit malzemelerin tasarlanması üretilmesi, karakterizasyonu ve nükleer radyasyon koruyucu özelliklerinin belirlenmesi
Design, production, characterization and determination of nuclear radiation protective properties of tungsten-doped metal matrix composite materials
EMİNE KUŞ BURAK
Yüksek Lisans
Türkçe
2024
Fizik ve Fizik MühendisliğiAğrı İbrahim Çeçen ÜniversitesiFizik Ana Bilim Dalı
PROF. DR. ABDULHALİK KARABULUT
- Tungsten production by electrodeoxidation
Tungstenin elektrodeoksidasyon yöntemiyle üretimi
METEHAN ERDOĞAN
Yüksek Lisans
İngilizce
2007
Metalurji MühendisliğiOrta Doğu Teknik ÜniversitesiMetalurji Mühendisliği Ana Bilim Dalı
PROF. DR. İSHAK KARAKAYA
- Electrochemical production of tungsten refractory metal powders
Tungsten refrakter metal tozlarinin elektrokimyasal üretimi
FURKAN ÖZDEMİR
Yüksek Lisans
İngilizce
2017
Metalurji MühendisliğiOrta Doğu Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
PROF. DR. İSHAK KARAKAYA
YRD. DOÇ. DR. METEHAN ERDOĞAN