脉冲高度估计和脉冲形状区分在堆积中子和玛射线信号从有机闪探测器使用多任务学习的脉冲高度和脉冲形状区分

科学领域:

• 核物理学 核物理 核物理
• 数据科学是数据科学.
• 探测器物理学的物理

背景情况:

• 闪探测器中的堆积事件使中子和玛 (n/γ) 信号分析复杂化.
• 准确的区分和光谱估计对于放射性同位素的识别和量化至关重要.

研究的目的:

• 开发一个多任务深度学习模型,用于同时估计脉冲高度和对堆积的n/γ信号进行脉冲形状歧视.
• 与单任务模型相比,提高光谱校正性能和中子计数精度.

主要方法:

• 设计了一个新的多任务深度学习架构.
• 该模型同时执行脉冲高度估计和脉冲形状歧视.
• 对堆积 n/γ 信号的单任务模型进行性能评估.

主要成果:

• 多任务模型表现出卓越的光谱校正性能.
• 实现了更高的中子回忆和更稳定的中子计数,降低了信号损失.
• 在预测的马射线光谱中显示出较低的误差率.

结论:

• 开发的深度学习模型有效地处理堆积的n/γ信号.
• 允许在双辐射探测器中对单个辐射光谱进行歧视性重建.
• 有助于改进放射性同位素的识别和定量分析.