Published January 1, 2023 | Version v1
Publication Open

Why trust nuclear data evaluations with Bayesian networks

  • 1. International Atomic Energy Agency
  • 2. Centro de Aplicaciones Tecnológicas y Desarrollo Nuclear

Description

Bayesian networks were recently suggested as a framework for nuclear data evaluation. Their theory was to some extent described in a recent preprint and some example evaluations were presented. However, due to their newness in the context of nuclear data evaluation and consequently the lack of experience with them within the community makes it dicult to develop trust in the underlying methodology and consequently also the results produced by it. In this contribution, we aim to make a case why evaluators can trust this methodology in principle but will also elaborate on the fact that Bayesian networks are not a silver bullet for evaluation work. On the contrary, evaluators must assess and quantify essential assumptions about nuclear models and experiments with the same dilligence that is already necessary for the application of the wellestablished Generalized Least Squares (GLS) method. We also explain that the increased ease and flexibility to introduce assumptions regarding nuclear models, experiments and their relationships can help an evaluator to rigorously account for assumptions that are very often neglected in evaluations with the GLS method, such as the non-negativity of cross sections, relative experimental normalization uncertainties and the non-linearity in ratios of cross sections. We believe that adopting the Bayesian network paradigm can help both humans to produce evaluations with clearly traceable assumptions and machines to deal with nuclear data more eciently in terms of execution speed and storage size requirements.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

تم اقتراح الشبكات البايزية مؤخرًا كإطار لتقييم البيانات النووية. تم وصف نظريتهم إلى حد ما في طباعة مسبقة حديثة وتم تقديم بعض الأمثلة على التقييمات. ومع ذلك، نظرًا لحداثتها في سياق تقييم البيانات النووية، وبالتالي فإن نقص الخبرة معها داخل المجتمع يجعل من الصعب تطوير الثقة في المنهجية الأساسية وبالتالي أيضًا النتائج التي تنتجها. في هذه المساهمة، نهدف إلى توضيح سبب ثقة المقيّمين في هذه المنهجية من حيث المبدأ، ولكننا سنوضح أيضًا حقيقة أن الشبكات البايزية ليست حلًا سحريًا لأعمال التقييم. على العكس من ذلك، يجب على المقيّمين تقييم وقياس الافتراضات الأساسية حول النماذج والتجارب النووية بنفس العناية اللازمة بالفعل لتطبيق طريقة المربعات الصغرى المعممة (GLS) الراسخة. كما نوضح أن زيادة سهولة ومرونة تقديم الافتراضات المتعلقة بالنماذج والتجارب النووية وعلاقاتها يمكن أن تساعد المقيم على حساب الافتراضات التي غالبًا ما يتم إهمالها في التقييمات باستخدام طريقة GLS، مثل عدم سلبية المقاطع العرضية، وعدم اليقين النسبي للتطبيع التجريبي وعدم الخطية في نسب المقاطع العرضية. نعتقد أن اعتماد نموذج شبكة Bayesian يمكن أن يساعد كلا البشر على إنتاج تقييمات مع افتراضات وآلات يمكن تتبعها بوضوح للتعامل مع البيانات النووية بشكل أكثر ملاءمة من حيث سرعة التنفيذ ومتطلبات حجم التخزين.

Translated Description (French)

Les réseaux bayésiens ont récemment été proposés comme cadre pour l'évaluation des données nucléaires. Leur théorie a été décrite dans une certaine mesure dans une préimpression récente et quelques exemples d'évaluations ont été présentés. Cependant, en raison de leur nouveauté dans le contexte de l'évaluation des données nucléaires et, par conséquent, du manque d'expérience avec elles au sein de la communauté, il est dicile de développer la confiance dans la méthodologie sous-jacente et, par conséquent, dans les résultats qu'elle produit. Dans cette contribution, nous visons à démontrer pourquoi les évaluateurs peuvent faire confiance à cette méthodologie en principe, mais nous développerons également le fait que les réseaux bayésiens ne sont pas une solution miracle pour le travail d'évaluation. Au contraire, les évaluateurs doivent évaluer et quantifier les hypothèses essentielles sur les modèles et les expériences nucléaires avec la même diligence qui est déjà nécessaire pour l'application de la méthode des moindres carrés généralisés (GLS) bien établie. Nous expliquons également que la facilité et la flexibilité accrues pour introduire des hypothèses concernant les modèles nucléaires, les expériences et leurs relations peuvent aider un évaluateur à rendre rigoureusement compte des hypothèses qui sont très souvent négligées dans les évaluations avec la méthode GLS, telles que la non-négativité des sections efficaces, les incertitudes relatives de normalisation expérimentale et la non-linéarité des ratios de sections efficaces. Nous pensons que l'adoption du paradigme du réseau bayésien peut aider à la fois les humains à produire des évaluations avec des hypothèses clairement traçables et les machines à traiter les données nucléaires plus efficacement en termes de vitesse d'exécution et de taille de stockage.

Translated Description (Spanish)

Recientemente se sugirieron redes bayesianas como marco para la evaluación de datos nucleares. Su teoría se describió en cierta medida en una preimpresión reciente y se presentaron algunos ejemplos de evaluaciones. Sin embargo, debido a su novedad en el contexto de la evaluación de datos nucleares y, en consecuencia, la falta de experiencia con ellos dentro de la comunidad, hace que sea difícil desarrollar confianza en la metodología subyacente y, en consecuencia, también en los resultados producidos por ella. En esta contribución, nuestro objetivo es explicar por qué los evaluadores pueden confiar en esta metodología en principio, pero también explicaremos el hecho de que las redes bayesianas no son una bala de plata para el trabajo de evaluación. Por el contrario, los evaluadores deben evaluar y cuantificar los supuestos esenciales sobre los modelos y experimentos nucleares con la misma diligencia que ya es necesaria para la aplicación del método de mínimos cuadrados generalizados (GLS) bien establecido. También explicamos que la mayor facilidad y flexibilidad para introducir suposiciones con respecto a los modelos nucleares, los experimentos y sus relaciones puede ayudar a un evaluador a dar cuenta rigurosamente de suposiciones que muy a menudo se descuidan en las evaluaciones con el método GLS, como la no negatividad de las secciones transversales, las incertidumbres relativas de normalización experimental y la no linealidad en las proporciones de las secciones transversales. Creemos que adoptar el paradigma de la red bayesiana puede ayudar tanto a los humanos a producir evaluaciones con supuestos claramente trazables como a las máquinas a tratar los datos nucleares de manera más eficiente en términos de velocidad de ejecución y requisitos de tamaño de almacenamiento.

Files

epjconf_nd2023_12004.pdf.pdf

Files (24 Bytes)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:7624dcbc096921e31a1da610e19a546e
24 Bytes
Preview Download

Additional details

Additional titles

Translated title (Arabic)
لماذا نثق في تقييمات البيانات النووية مع شبكات Bayesian
Translated title (French)
Pourquoi faire confiance aux évaluations de données nucléaires avec les réseaux bayésiens
Translated title (Spanish)
¿Por qué confiar en las evaluaciones de datos nucleares con redes bayesianas?

Identifiers

Other
https://openalex.org/W4378470672
DOI
10.1051/epjconf/202328412004

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
Cuba

References

  • https://openalex.org/W2092996002
  • https://openalex.org/W2124716819
  • https://openalex.org/W2221253981
  • https://openalex.org/W2256578114
  • https://openalex.org/W2467077495
  • https://openalex.org/W2618602925
  • https://openalex.org/W2774959071
  • https://openalex.org/W2793602359
  • https://openalex.org/W3101220077