10.11857/j.issn.1674-5124.2020060113
低能过滤X射线神经网络解谱方法研究
利用神经网络算法实现对PIPS探测器测量得到的低能过滤X射线脉冲幅度谱的快速解谱.首先根据PIPS探测器的计算机断层扫描图像,在MCNP5中建立该探测器的蒙特卡罗(MC)模型.并通过实验、MC效率刻度以及能谱展宽,对该探测器模型进行验证.之后计算PIPS探测器对单能光子(5~30?keV)的响应函数,并将其作为单层线性神经网络的训练数据.使用训练后的神经网络和GRV_MC33程序分别对N10~N30和L10~L30辐射质的X射线脉冲幅度谱进行解谱.结果表明:除N25和N30辐射质外,二者解谱结果相符较好.其解谱结果的差异可能来源于探测器响应函数和GRV_MC33程序解谱方法的不确定度.训练好的神经网络可被移植到微型计算机中,帮助校准实验室实现对低能过滤X射线脉冲幅度谱的快速解谱.
低能过滤X射线、脉冲幅度谱解谱、PIPS探测器、效率刻度、人工神经网络
47
TL72(辐射防护)
2021-04-30(万方平台首次上网日期,不代表论文的发表时间)
共6页
26-31