摘要：求解有效增殖系数(k_(eff))是核反应堆临界计算的基本问题,目前业界普遍采用源迭代方法进行求解。本文基于人工智能深度学习方法求解微分方程的基础理论,提出将k_(eff)与神经网络各神经元权重共同作为机器学习优化参数,针对将神经网络函数代入中子学微分方程形成的加权损失函数进行深度学习计算,同时进行中子注量率逼近与k_(eff)直接搜索求解的新方法。讨论了中子学微分方程特征值数理形式、初始神经网络设定方法、损失函数加权因子、收敛准则等影响深度学习性能的重要因素及相应的性能提升策略;通过多种算例的数值计算验证了该方法的正确性,以及学习性能提升策略的有效性。研究成果为核反应堆求解k_(eff)这一中子学物理重要科学问题探索出了一条新的技术途径。

摘要：　本文介绍的粗网有限差分法求解二维双群中子扩散方程，可用于反应堆燃料管理中的燃耗计算，计算结果与通用的细网有限差分法、节块格林函数方法作了比较，其有效增殖系数的相对误差小于０．０８％，该方法具有计算时间短、满足一定精度要求等特点，适用于工程初步设计的燃料管理分析。

摘要：分析加速器驱动系统(ADS)钠冷金属燃料快堆重金属燃料不同核素对堆芯有效增殖系数(keff)的影响,给出了燃料成分的确定方法,详细分析次锕系核素(MA)嬗变特性。运用耦合了MCNP4c3与ORIGEN2的三维燃耗程序COUPLE对堆芯进行稳态与燃耗计算。结果分析表明,调节燃料中239Pu的质量比例并使其在燃耗过程中保持稳定是使keff达到设计值并在燃耗过程中保持稳定的有效手段。散裂中子引起堆芯内区较外区更硬的中子能谱,有利于提高MA的裂变截面与裂变吸收比。全堆MA嬗变支持比为8.3,具有较好的嬗变效果。由于堆芯内区的高通量,堆芯内外区的嬗变率有明显差异,将MA集中布置于内区有利于减少装料量,改善总体嬗变效果。

摘要：用MCNP程序对启明星1#实验装置(Venus 1#)的ks、keff和φ*进行模拟计算。在装置的源区、快区、反射层、屏蔽层已定条件下,逐层增加热区燃料元件,每增加1层,对ks、keff和φ*进行1次计算,共增加了13层,最终得到keff为0.962 46,满足了Venus 1#的设计要求。元件层数增加,φ*先增后降,当增至12层时,φ*又明显增大。外源位置和能量对φ*有影响,外源在轴向离中心越近、能量越高,φ*越大。

摘要：介绍了应用MCNP3B程序对DF堆次临界装置的几个实验布置进行的物理参数计算 ,并将计算结果与实验结果进行比较。通过对DF次临界装置的研究 ,以求MCNP3B程序能为零功率实验提供指导性意见 ,提高零功率实验的安全性。