来源：期刊VIP网 时间：
作者：刘延飞;王晨阳;郑浩;范启蒙;杨东东;吕宁;
单位：火箭军工程大学;
摘要：中子能谱求解是典型的不适定问题,传统方法处理这类问题面临诸多挑战,而压缩感知理论为解决此类不适定问题提供了新的思路与途径。本文提出了一种面向中子能谱求解的迭代收缩阈值启发式深度网络(Iterative Shrinkage-Thresholding Algorithm-inspired Deep Network for Neutron Spectrum Unfolding,SUISTA-Net),该网络采用初始重建和深度重建两阶段架构设计,将基于深度学习的压缩感知重建算法应用于中子能谱求解。初始重建网络采用深度网络替代迭代收缩阈值算法(Iterative Shrinkage-Thresholding Algorithm,ISTA)的迭代过程,在保留可解释性的同时提高了计算效率;深度重建网络包括2个去噪模块和1个全连接层,在进一步提升精度的同时增强了模型的泛化能力。通过对国际原子能机构(IAEA)发布的标准能谱进行测试,SUISTA-Net在能谱求解中的平均均方误差达到了7.5×10~(-5),且对不同数据的求解误差整体波动不大,在网络训练完成后,平均能谱重建时间小于0.08 s,展现出良好的鲁棒性和计算性能,为中子能谱的高效、高质量反演提供了行之有效的方法。
关键词：中子能谱;;深度学习;;压缩感知
基金资助：陕西省自然科学基金（2025 JC-YBMS-040和2025 JC-YBMS-677）资助
