Publication

Computation of sensitivity coefficients in fixed source simulations with SERPENT2

Résumé

Within the scope of the implementation of a nuclear data pipeline aiming at producing the best possible evaluated nuclear data files, a major point is the production of relevant sensitivity coefficients when including integral benchmark information. Thanks to recent code modifications in the Monte Carlo code Serpent2, it is now possible to produce these coefficients in fixed source simulations. The manuscript describes the verification of this implementation against the deterministic transport code susd3d. The study is completed by an analysis of the computational cost (running time and memory allocation) associated with such calculations with Serpent2. The relative difference between the sensitivity coefficients produced by Serpent2 and susd3d is of the order of the percent at most, except for the low energy range where the lack of neutrons prevents from reducing the Monte Carlo uncertainties. The computational cost of such calculation is similar to the one of criticality calculation mode, although the OpenMP scalability should be further improved.

À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Concepts associés (32)
Incertitude de mesure
vignette|Mesurage avec une colonne de mesure. En métrologie, une incertitude de mesure liée à un mesurage (d'après le Bureau international des poids et mesures). Elle est considérée comme une dispersion et fait appel à des notions de statistique. Les causes de cette dispersion, liées à différents facteurs, influent sur le résultat de mesurage, donc sur l'incertitude et in fine sur la qualité de la mesure. Elle comprend de nombreuses composantes qui sont évaluées de deux façons différentes : certaines par une analyse statistique, d'autres par d'autres moyens.
Analyse de sensibilité
L’analyse de sensibilité est l'étude de la façon dont l'incertitude de la sortie d'un code ou d'un système (numérique ou autre) peut être attribuée à l'incertitude dans ses entrées. Il s'agit d'estimer des indices de sensibilité qui quantifient l'influence d'une entrée ou d'un groupe d'entrées sur la sortie. L'analyse de sensibilité peut être utile pour beaucoup d'applications: Tester la robustesse d'un modèle ou d'un système en présence d'incertitude.
Uncertainty quantification
Uncertainty quantification (UQ) is the science of quantitative characterization and estimation of uncertainties in both computational and real world applications. It tries to determine how likely certain outcomes are if some aspects of the system are not exactly known. An example would be to predict the acceleration of a human body in a head-on crash with another car: even if the speed was exactly known, small differences in the manufacturing of individual cars, how tightly every bolt has been tightened, etc.
Afficher plus
Publications associées (35)

Model uncertainties in action effects and load bearing capacity calculation in statically indeterminate reinforced concrete structures

Aurelio Muttoni, Alain Nussbaumer, Xhemsi Malja

For the dimensioning and assessment of structures, it is common practice to compare action effects with sectional resistances. Extensive studies have been performed to quantify the model uncertainty on the resistance side. However, for statically indetermi ...
Ernst & Sohn2024

Reliability analysis and partial safety format calibration considering the characteristics of the resistance of reinforced concrete structures

Qianhui Yu

Every engineering calculation is an approximation of reality, with inevitable uncertainties involved. This fact implies that a reliability verification accounting for the uncertainties is a necessary step in the design and assessment of structures. Nowaday ...
EPFL2023

Supplementary datasets for the manuscript "Generative machine learning produces kinetic models that accurately characterize intracellular metabolic states" -Part 2

Vassily Hatzimanikatis, Ljubisa Miskovic, Michaël Roger Germain Moret

Supplementary files containing datasets needed to reproduce the results of the manuscript "Generative machine learning produces kinetic models that accurately characterize intracellular metabolic states" by S. Choudhury et al. The code to use with these da ...
EPFL Infoscience2023
Afficher plus

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.