Detección de anomalías en los espectros de radiación gamma mediante red neuronal artificial y optimización de las...

Área de la Ciencia:

• Física nuclear
• Ciencias del medio ambiente
• Ciencias de la computación

Sus antecedentes:

• La detección precisa de fuentes radiactivas anómalas es vital para la protección radiológica y la seguridad nuclear.
• Discriminar las señales de radiación anómalas débiles del ruido de fondo natural, especialmente en bajas relaciones fuente-fondo, presenta un desafío significativo.

Objetivo del estudio:

• Desarrollar un nuevo enfoque de aprendizaje automático para la detección de anomalías en los espectros de rayos gamma.
• Mejorar la sensibilidad y la precisión de los sistemas de vigilancia de la radiación, especialmente para aplicaciones medioambientales y de seguridad.

Principales métodos:

• Un enfoque de aprendizaje automático que combina el modelado de redes neuronales con la optimización inspirada en la biología (optimización de la colonia de hormigas).
• Los espectros de radiación se dividen en subespectros complementarios, con una red neuronal que establece la correlación de fondo.
• Las anomalías se identifican por desviaciones significativas entre los valores medidos y las predicciones de la red neuronal; la optimización de la colonia de hormigas selecciona particiones espectrales óptimas.

Principales resultados:

• El método propuesto demuestra un rendimiento superior en comparación con las técnicas de referencia existentes.
• El sistema muestra una ventaja particular en la detección de anomalías en bajas proporciones de fuente a fondo.
• Los datos empíricos de los detectores de radiación distribuidos, incluidas las fuentes 137Cs y 57Co, validaron la eficacia del método.

Conclusiones:

• La nueva técnica mejora el monitoreo de la radiación al aumentar la sensibilidad a las señales anómalas débiles.
• El enfoque ofrece un potencial de despliegue práctico utilizando redes estándar de detectores de radiación.
• La mejora de la detección temprana de anomalías de radiación es fundamental para el seguimiento y la seguridad del medio ambiente.