一种均匀系统超精细群共振自屏深度学习计算方法

本发明具体涉及一种均匀系统超精细群共振自屏深度学习计算方法，属于核反应堆堆芯计算技术领域，包括如下步骤：将完全微分形式的中子慢化方程和原函数变换方程分别映射为神经网络函数；构造中子慢化方程损失函数、原函数变换方程损伤函数、散射源原函数定解约束损失函数、能量初始条件损失函数以及通量密度非负边界条件损失函数，加权构成机器学习损失函数；根据机器学习损失函数交替调整神经网络函数参数进行迭代深度机器学习；通过将整个训练集化为一个个小训练集，并且以能量段为序依次由高向低进行训练，前一能群的训练集为后一能群的边界条件，实现中子慢化方程的分段求解。本发明实现了实现均匀系统中子慢化方程的求解新途径。