Método ANN-MoC para problema inverso de caracterização da fonte

Autores

DOI:

https://doi.org/10.5902/2179460X89819

Palavras-chave:

Rede neural artificial, Método das características, Transporte de partículas neutras, Problemas inversos

Resumo

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.

Downloads

Não há dados estatísticos.

Biografia do Autor

Nelson García Román, Universidade Federal do Rio Grande do Sul

Nelson García Román nasceu em 20 de setembro de 1992, em Pinar del Río, Cuba. Formou-se em Engenharia Mecânica pela Universidade de Pinar del Rio (2011-2016). Durante os seus estudos, esteve envolvido como aluno assistente em Cálculo e recebeu dois prémios de Menção Honrosa pela apresentação de dois artigos sobre Matemática Aplicada à Engenharia em Conferências Científicas. Após a formatura, tornou-se professor da mesma universidade de 2016 a 2018, e posteriormente como professor de matemática na Universidade Tecnológica José Antonio Echeverría (CUJAE) até 2022. Atualmente, cursa mestrado no Programa de Pós-Graduação em Matemática Aplicada. (PPGMAp) pela Universidade Federal do Rio Grande do Sul (UFRGS), onde é bolsista da CAPES, com foco em métodos numéricos, modelagem computacional e aprendizagem profunda para solução numérica de problemas inversos de transporte neutro de partículas.

Pedro Costa do Santos, Universidade Federal do Rio Grande do Sul

Pedro Costa dos Santos nasceu em 23 de setembro de 1998, no Rio de Janeiro - RJ, Brasil. Durante o ensino médio, recebeu sucessivamente Menções Honrosas na Olimpíada Brasileira de Matemática das Escolas Públicas (OBMEP) e, em 2015, foi agraciado com a Medalha de Prata na competição. De 2016 a 2018, cursou graduação em Química Industrial na Universidade Federal do Rio Grande do Sul (UFRGS). Desde 2018 é aluno do curso de graduação em Matemática Aplicada da UFRGS. Desde 2022 é-lhe concedida uma bolsa de iniciação à investigação em Matemática Aplicada, com vista a aplicações de Deep Learning à solução numérica de problemas de Transporte Neutro de Partículas Inversas. Em 2023, recebeu Menção Honrosa pelos desenvolvimentos de pesquisa apresentados na Semana de Iniciação Científica (SIC) da UFRGS.

Pedro Henrique de Almeida Konzen, Universidade Federal do Rio Grande do Sul

Pedro Henrique de Almeida Konzen was born on June 12, 1981, in Santa Cruz do Sul - RS, Brazil. Doctor in Applied Mathematics from the Federal University of Rio Grande do Sul (UFRGS, 2010), having conducted doctoral research at Ruprecht-Karls-Universität Heidelberg/Germany (Uni-HD, 2008-2010). Currently, Adjunct Professor at the Department of Pure and Applied Mathematics (DMPA), Institute of Mathematics and Statistics (IME), Federal University of Rio Grande do Sul (UFRGS, since 2014). Permanent member of the Graduate Program in Applied Mathematics (PPGMAp-UFRGS, since 2022). Has experience in the field of applied mathematics, with emphasis on numerical methods, computational simulation, mathematical modeling and deep learning.

Referências

Evans, L. (2010). Partial Differential Equations. (19th ed). American Mathematical Society. DOI: https://doi.org/10.1090/gsm/019

Haykin, S. (2009). Neural Networks and Learning Machines. (3th ed). Pearson.

Hielscher, A. H., Alcouffe, R. E., Barbour, R. L. (1998). Comparison of finite-difference transport and diffusion calculations for photon migration in homogeneous and heterogeneous tissues. Physics in Medicine & Biology, 43(5), 1285-1302. Recovered from: https://iopscience.iop.org/article/10.1088/0031-9155/43/5/017. DOI: https://doi.org/10.1088/0031-9155/43/5/017

Kaipio, J., Somersalo, E. (2006). Statistical and computational inverse problems. (160 vol). Springer Science & Business Media. DOI: https://doi.org/10.1007/b138659

Kim, K. W., Baek, S. W., Kim, M. Y., Ryou, H. S. (2004). Estimation of emissivities in a two-dimensional irregular geometry by inverse radiation analysis using hybrid genetic algorithm. Journal of Quantitative Spectroscopy and Radiative Transfer, 87(1), 1-14. Recovered from: https://doi.org/10.1016/j.jqsrt.2003.08.012. DOI: https://doi.org/10.1016/j.jqsrt.2003.08.012

Kingma, D. P., Ba, J. (2017). Adam: A Method for Stochastic Optimization. arXiv, 4, 1-15. Recovered from: https://doi.org/10.48550/arXiv.1412.6980.

Larsen, E. W., Th¨ommesand, G., Klar, A., Seaıd, M., G¨otz, T. (2002). Simplified P N approximations to the equations of radiative heat transfer and applications. Journal of Computational Physics, 183(2), 652–675. Recovered from: https://doi.org/10.1006/jcph.2002.7210. DOI: https://doi.org/10.1006/jcph.2002.7210

Lewis, E., Miller, W. (1984). Computational methods of neutron transport. (1th ed). Wiley.

Li, H. (1997). Inverse radiation problem in two-dimensional rectangular media. Journal of thermophysics and heat transfer, 11(4), 556-561. Recovered from: https://doi.org/10.2514/2.6279. DOI: https://doi.org/10.2514/2.6279

Meng¨uc¸ , M., Manickavasagam, S. (1993). Inverse radiation problem in axisymmetric cylindrical scattering media. Journal of Thermophysics and Heat Transfer, 7(3), 479–486. Recovered from: https://doi.org/10.2514/3.443. DOI: https://doi.org/10.2514/3.443

Modest, M. F. (2013). Radiative heat transfer. (3th ed). Elsevier Science. DOI: https://doi.org/10.1016/B978-0-12-386944-9.50023-6

Nocedal, J., Wright, S. J. (1999). Numerical optimization. Springer. DOI: https://doi.org/10.1007/b98874

Qi, H., Ruan, L., Zhang, H., Wang, Y., Tan, H. (2007). Inverse radiation analysis of a one-dimensional participating slab by stochastic particle swarm optimizer algorithm. International journal of thermal sciences, 46(7), 649–661. Recovered from: https://doi.org/10.1016/j.ijthermalsci.2006.10.002. DOI: https://doi.org/10.1016/j.ijthermalsci.2006.10.002

Roman, N., Santos, P., Konzen, P. (2023). ANN-MoC method for inverse transient transport problems in one-dimensional geometry. Latin-American Journal of Computing, 11(2), 41-50.

Santos, P., Melo, G., Konzen, P. (2022). Rnas aplicadas a determinac¸ ˜ao e localização de fonte de part´ıculas em problemas de transporte unidimensional. Em: , In Anais do Encontro Nacional de Modelagem Computacional, Encontro de Ciˆencia e Tecnologia de Materiais, Conferˆencia Sul em Modelagem Computacional e Semin´ario e Workshop em Engenharia Oceˆanica, Pelotas, RS, Brasil.

Stacey, W. (2007). Nuclear reactor physics. (2th ed). Wiley. DOI: https://doi.org/10.1002/9783527611041

Tarvainen, T., Vauhkonen, M., Arridge, S. (2008). Gauss–Newton reconstruction method for optical tomography using the finite element solution of the radiative transfer equation. Journal of Quantitative Spectroscopy and Radiative Transfer, 109(17-18), 2767–2778. Recovered from: https://doi.org/10.1016/j.jqsrt.2008.08.006. DOI: https://doi.org/10.1016/j.jqsrt.2008.08.006

Wang, L., Wu, H. (2012). Biomedical optics: principles and imaging. Wiley.

Downloads

Publicado

2025-01-15

Como Citar

Román, N. G., do Santos, P. C., & Konzen, P. H. de A. (2025). Método ANN-MoC para problema inverso de caracterização da fonte. Ciência E Natura, 47(esp. 1), e89819. https://doi.org/10.5902/2179460X89819

Edição

v. 47 n. esp. 1 (2025): IV Jornada de Matematica e Matematica aplicada UFSM

Seção

IV Jornada de Matematica e Matematica aplicada UFSM

Licença

Copyright (c) 2025 Ciência e Natura

Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Para acessar a DECLARAÇÃO DE ORIGINALIDADE E EXCLUSIVIDADE E CESSÃO DE DIREITOS AUTORAIS clique aqui.

 

Diretrizes Éticas para Publicação de Revistas

A revista Ciência e Natura está empenhada em garantir a ética na publicação e na qualidade dos artigos.

A conformidade com padrões de comportamento ético é, portanto, esperada de todas as partes envolvidas: Autores, Editores e Revisores.

Em particular, 

Autores: Os Autores devem apresentar uma discussão objetiva sobre a importância do trabalho de pesquisa, bem como detalhes e referências suficientes para permitir que outros reproduzam as experiências. Declarações fraudulentas ou intencionalmente incorretas constituem comportamento antiético e são inaceitáveis. Artigos de Revisão também devem ser objetivos, abrangentes e relatos precisos do estado da arte. Os Autores devem assegurar que seu trabalho é uma obra totalmente original, e se o trabalho e / ou palavras de outros têm sido utilizadas, isso tem sido devidamente reconhecido. O plágio em todas as suas formas constitui um comportamento publicitário não ético e é inaceitável. Submeter o mesmo manuscrito a mais de um jornal simultaneamente constitui um comportamento publicitário não ético e é inaceitável. Os Autores não devem submeter artigos que descrevam essencialmente a mesma pesquisa a mais de uma revista. O Autor correspondente deve garantir que haja um consenso total de todos os Co-autores na aprovação da versão final do artigo e sua submissão para publicação.

Editores: Os Editores devem avaliar manuscritos exclusivamente com base no seu mérito acadêmico. Um Editor não deve usar informações não publicadas na própria pesquisa do Editor sem o consentimento expresso por escrito do Autor. Os Editores devem tomar medidas de resposta razoável quando tiverem sido apresentadas queixas éticas relativas a um manuscrito submetido ou publicado.

Revisores: Todos os manuscritos recebidos para revisão devem ser tratados como documentos confidenciais. As informações ou ideias privilegiadas obtidas através da análise por pares devem ser mantidas confidenciais e não utilizadas para vantagens pessoais. As revisões devem ser conduzidas objetivamente e as observações devem ser formuladas claramente com argumentos de apoio, de modo que os Autores possam usá-los para melhorar o artigo. Qualquer Revisor selecionado que se sinta desqualificado para rever a pesquisa relatada em um manuscrito ou sabe que sua rápida revisão será impossível deve notificar o Editor e desculpar-se do processo de revisão. Os Revisores não devem considerar manuscritos nos quais tenham conflitos de interesse resultantes de relacionamentos ou conexões competitivas, colaborativas ou outras conexões com qualquer dos autores, empresas ou instituições conectadas aos documentos.