Володимир СобєщаковOleksiy ZivenkoNoah A. W. WaltonWilliam FritschJacob ForbesAmanda M. LewisAaron ClarkJesse M. BrownVladimir Sobes2024-07-052024-07-052024Computational Physics, 2024. arXiv. doi: 10.48550/arXiv.2406.01754https://eir.nuos.edu.ua/handle/123456789/8557Цілісність і точність ядерних даних мають вирішальне значення для широкого спектру застосувань, від національної безпеки та проектування ядерних реакторів до медичної діагностики, де пов’язані невизначеності можуть суттєво вплинути на результати. Значна частина невизначеності в ядерних даних походить від суб’єктивних упереджень у процесі оцінки, що є вирішальним етапом у виробництві ядерних даних. Останні досягнення вказують на те, що автоматизація певних процедур може пом’якшити ці упередження, тим самим стандартизуючи процес оцінювання, зменшуючи невизначеність і підвищуючи відтворюваність. Ця стаття сприяє розробці основи для тестування методів автоматизованого оцінювання, наголошуючи на автоматизованих методах підгонки, які не вимагають від користувача надавати будь-яку попередню інформацію. Цей підхід спрощує процес і зменшує ручні зусилля, необхідні на початковому етапі оцінювання. Він підкреслює здатність інфраструктури перевіряти та оптимізувати підпрограми, орієнтуючись на аналіз продуктивності та оптимізацію процедури підгонки з використанням синтетичних даних високої точності (позначених експериментальних даних) і концепції повністю контрольованого обчислювального експерименту. Метрика помилки введена для забезпечення чіткого та інтуїтивно зрозумілого вимірювання якості підгонки шляхом кількісного визначення точності оцінки та продуктивності для заданої енергії. Цей показник встановлює шкалу для порівняння та оптимізації процедур або вибору гіперпараметрів, покращуючи методологію всього процесу оцінювання та підвищуючи відтворюваність і об’єктивність.en-USNuclear DataCross section evaluationSynthetic DataFittingReproducibilityArticle