STAR-XPC：用于估计聚合物复合材料中 X 射线透射率的 Set Transformer

arXiv:2610.28709v1 公告类型：新 摘要：在辐射屏蔽研究中，评估 X 射线束穿过聚合物复合材料时的能量透射率是一项具有挑战性的任务。采用 Monte Carlo 输运模拟得到的参考解具有很高的精度，但计算成本高昂：我们的每次参考模拟最多进行 $4\times10^9$ 个光子历史，并受限于 20,000 s（超过 5 小时）的时间限制；而闭式解析方法无法表示如此复杂的情景。我们提出了一种人工神经网络模型，可将分子组分的无序多重集合、各组分的质量分数以及四个整体物理描述符直接映射为透射率 $I(t)/I_0$，推理时间为 1–3 毫秒。该模型采用 Set Transformer，从结构上具有置换不变性，并能在固定大小的填充集合中接受最多包含 11 种组分、规模不同的混合物。每种组分均使用经过化学预训练的 Transformer 语言模型 ChemBERTa 进行嵌入。在我们提出的方法中，训练数据由自动化的 PENELOPE/penEasy 流水线生成，所采用的辐射源管电压为 30、80、100 和 120 kV，覆盖厚度为 0.15–2.5 mm 的聚乙烯基屏蔽复合材料板。预处理后，数据集包含 $n = 4697$ 个模拟配置，并在其上进行无数据泄漏的联合分层 10 折交叉验证，得到均方误差 MSE = $(1.12 \pm 0.56)\times10^{-4}$、归一化均方误差百分比 NMSE% = 0.0294% $\pm$ 0.0147%，以及 $R^2 = 0.9988$。相应的逐样本百分比误差显示，经过 alpha 截尾（$\alpha = 0.10$）后，绝对百分比误差（APE）为 1.66%，APE 中位数为 1.15%。与底层 Monte Carlo 模拟相比，我们模型的推理速度快数个数量级（每次查询耗时不到 1 毫秒，而参考运行需要数小时），同时能够以有效的精度预测 $I(t)/I_0$。