ANN-MoC method for the inverse problem of source characterization

Abstract

Problemas inversos de transporte de partículas neutras têm aplicações significativas em engenharia e medicina. Neste estudo, apresentamos uma nova aplicação do método ANN-MoC para resolver problemas inversos de caracterização de fonte. Isso envolve a estimativa dos parâmetros da fonte com base em medidas da densidade de partículas nas fronteiras de um domínio computacional unidimensional. Em resumo, o método emprega uma rede neural artificial (ANN) como um modelo de regressão. A rede neural é treinada usando dados gerados a partir de soluções do método das características (MoC) para o problema direto de transporte associado. Resultados de três casos de teste são apresentados. No primeiro, destacamos a vantagem do pré-processamento dos dados de entrada. Para todos os casos, testes de sensibilidade são fornecidos para estudar as vantagens e limitações da abordagem proposta na resolução de problemas inversos com dados ruidosos.

Inverse problems of neutral particle transport have significant applications in engineering and medicine. In this study, we present a new application of the ANN-MoC method to solve inverse problems of source characterization. It involves estimating the source parameters based on measurements of particle density at the boundaries of a one-dimensional computational domain. In summary, the method employs an artificial neural network (ANN) as a regression model. The neural network is trained using data generated from solutions of the method of characteristics (MoC) for the associated direct transport problem. Results of three test cases are presented. In the first, we highlight the advantage of preprocessing the input data. For all cases, sensibility tests are provided to study the advantages and limitations of the proposed approach in solving inverses problems with noisy data.