Buchumschlag

AI Enabled Neutron Flux Measurement and Virtual Calibration in Boiling Water Reactors

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tunga, Anirudh, Heim, Jordan, Mueterthies, Michael, Gruenwald, Thomas, Nistor, Jonathan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Methodology for Thermal Limit Bias Predictability Through Artificial Intelligence
von: Tunga, Anirudh, et al.
Veröffentlicht: (2026)

Predicting BWR Criticality with Data-Driven Machine Learning Model
von: Oktavian, Muhammad Rizki, et al.
Veröffentlicht: (2024)

Optimization through In-Context Learning and Iterative LLM Prompting for Nuclear Engineering Design Problems
von: Oktavian, M. Rizki, et al.
Veröffentlicht: (2025)

Scalable Utility-Aware Multiclass Calibration
von: Hegazy, Mahmoud, et al.
Veröffentlicht: (2025)

Rethinking Early Stopping: Refine, Then Calibrate
von: Berta, Eugène, et al.
Veröffentlicht: (2025)

Structured Matrix Scaling for Multi-Class Calibration
von: Berta, Eugène, et al.
Veröffentlicht: (2025)

Deep Matrix Factorization with Adaptive Weights for Multi-View Clustering
von: Khalafaoui, Yasser, et al.
Veröffentlicht: (2024)

CalArena: A Large-Scale Post-Hoc Calibration Benchmark
von: Berta, Eugène, et al.
Veröffentlicht: (2026)

Toward an Artificial General Teacher: Procedural Geometry Data Generation and Visual Grounding with Vision-Language Models
von: Nguyen-Truong, Hai, et al.
Veröffentlicht: (2026)

Bubbleformer: Forecasting Boiling with Transformers
von: Hassan, Sheikh Md Shakeel, et al.
Veröffentlicht: (2025)

A Collectivist, Economic Perspective on AI
von: Jordan, Michael I.
Veröffentlicht: (2025)

The Boiling Frog Threshold: Criticality and Blindness in World Model-Based Anomaly Detection Under Gradual Drift
von: Hong, Zhe
Veröffentlicht: (2026)

CADMR: Cross-Attention and Disentangled Learning for Multimodal Recommender Systems
von: Khalafaoui, Yasser, et al.
Veröffentlicht: (2024)

A Decision-driven Methodology for Designing Uncertainty-aware AI Self-Assessment
von: Canal, Gregory, et al.
Veröffentlicht: (2024)

What Can You Do When You Have Zero Rewards During RL?
von: Prakash, Jatin, et al.
Veröffentlicht: (2025)

Agentic Physical AI toward a Domain-Specific Foundation Model for Energy Systems: A Case Study on Nuclear Reactor Control
von: Lee, Yoon Pyo, et al.
Veröffentlicht: (2025)

AI-Assisted Generation of Difficult Math Questions
von: Shah, Vedant, et al.
Veröffentlicht: (2024)

Measuring AI Ability to Complete Long Software Tasks
von: Kwa, Thomas, et al.
Veröffentlicht: (2025)

Capabilities Ain't All You Need: Measuring Propensities in AI
von: Romero-Alvarado, Daniel, et al.
Veröffentlicht: (2026)

A Guide to Failure in Machine Learning: Reliability and Robustness from Foundations to Practice
von: Heim, Eric, et al.
Veröffentlicht: (2025)

(HB-ARFM) History-Bootstrapped Flow Matching for Inverse Boiling Reconstruction
von: Zou, Xianwei, et al.
Veröffentlicht: (2026)

Generative Modeling with Flux Matching
von: Pao-Huang, Peter, et al.
Veröffentlicht: (2026)

AgroFlux: A Spatial-Temporal Benchmark for Carbon and Nitrogen Flux Prediction in Agricultural Ecosystems
von: Cheng, Qi, et al.
Veröffentlicht: (2026)

Toward Maturity-Based Certification of Embodied AI: Quantifying Trustworthiness Through Measurement Mechanisms
von: Darling, Michael C., et al.
Veröffentlicht: (2026)

Confidence Calibration in Large Language Models
von: Michael, Noam, et al.
Veröffentlicht: (2026)

Improving Perturbation-based Explanations by Understanding the Role of Uncertainty Calibration
von: Decker, Thomas, et al.
Veröffentlicht: (2025)

Why Uncertainty Calibration Matters for Reliable Perturbation-based Explanations
von: Decker, Thomas, et al.
Veröffentlicht: (2025)

Multi-Task Reinforcement Learning Enables Parameter Scaling
von: McLean, Reginald, et al.
Veröffentlicht: (2025)

Measuring AI Agents' Progress on Multi-Step Cyber Attack Scenarios
von: Folkerts, Linus, et al.
Veröffentlicht: (2026)

Mechanistic Interpretability of LoRA-Adapted Language Models for Nuclear Reactor Safety Applications
von: Lee, Yoon Pyo
Veröffentlicht: (2025)

ReactorFold: Generative discovery of nuclear reactor cores via emergent physical reasoning
von: Lee, Yoonpyo
Veröffentlicht: (2025)

Reliable OOD Virtual Screening with Extrapolatory Pseudo-Label Matching
von: Qu, Yunni, et al.
Veröffentlicht: (2024)

Virtual Sensing-Enabled Digital Twin Framework for Real-Time Monitoring of Nuclear Systems Leveraging Deep Neural Operators
von: Hossain, Raisa Bentay, et al.
Veröffentlicht: (2024)

Using AI to Measure Parkinson's Disease Severity at Home
von: Islam, Md Saiful, et al.
Veröffentlicht: (2023)

Structured Sparse Transition Matrices to Enable State Tracking in State-Space Models
von: Terzić, Aleksandar, et al.
Veröffentlicht: (2025)

Benchmarking and Evaluation of AI Models in Biology: Outcomes and Recommendations from the CZI Virtual Cells Workshop
von: Fahsbender, Elizabeth, et al.
Veröffentlicht: (2025)

$α$-TCVAE: On the relationship between Disentanglement and Diversity
von: Meo, Cristian, et al.
Veröffentlicht: (2024)

Leveraging Knowledge Graphs and LLM Reasoning to Identify Operational Bottlenecks for Warehouse Planning Assistance
von: Parekh, Rishi, et al.
Veröffentlicht: (2025)

Metacognitive Reuse: Turning Recurring LLM Reasoning Into Concise Behaviors
von: Didolkar, Aniket, et al.
Veröffentlicht: (2025)

SCOPE-PD: Explainable AI on Subjective and Clinical Objective Measurements of Parkinson's Disease for Precision Decision-Making
von: Islam, Md Mezbahul, et al.
Veröffentlicht: (2026)