本报告深入探讨核工程领域中子扩散特征值问题(Neutron Diffusion Eigenvalue Problem, NDEP)的机器学习求解方法。首先介绍数据驱动神经网络(Data Enabled Physics Informed Neural Network, DEPINN)借助先验或观测数据求解中子扩散方程的流程和处理带噪数据的方法。针对观测数据难以获取的情况，介绍反幂法神经网络(Inverse Power Method Neural Network, IPMNN)和广义反幂法神经网络(General Inverse Power Method Neural Network, GIPMNN)求解最小特征值问题的基本模型。基于上述模型，团队开发了特征值问题求解软件包(AI for Science with nuclear Engineering Applications, AISEA)，并通过该软件包验证了所提出算法的有效性和精确度。所开发的特征值问题求解软件包为核工程领域提供了一种新的、高效的数值求解工具。