| タイトル | Fission trajectory analysis using ML techniques |
| 著者 | Yuta Mukobara1, Satoshi Chiba1,2, Kazuki Fujio1, Tatsuya Katabuchi1, Chikako Ishizuka1 |
| 所属 | 1Tokyo Institute of Technology, 2NAT Research Center |
| 年月 | 2024年09月 |
| ジャーナル名（略称） | EPJ Web Conferences (EPJ Web Conf.) |
| 巻, 号, ページ | 306, 01042, Non |
| 引用例 | Y. Mukobara, S. Chiba, K. Fujio, T. Katabuchi, and C. Ishizuka, EPJ Web Conf. 306, 01042 (2024). |
この研究では、4次元Langevinモデルから得られた対称・非対称分裂の核分裂軌道を機械学習モデルを用いて解析しました。リカレントニューラルネットワーク（RNN）の一種のLong Short-Term Memory（LSTM）とGated Recurrent Unit（GRU）を組み合わせたハイブリッドニューラルネットワークを採用し、それぞれのLangevin軌道が対称・非対称分裂に至るかを分類しました。結果、最終的な分裂モード（対称または非対称）に到達する前の段階で、これらの軌道の分類が70%以上の精度で可能であることがわかりました。また、非対称データを過大評価する傾向が現モデルではあることがわかりました。