创新的死亡时间校正和背景减去用于使用神经网络进行中子多重度测量
Jeremias Garcia-Duarte1, Yonatan Mishnayot2, Aaron S Tamashiro2
1Lawrence Livermore National Laboratory, NACS, Livermore, CA, 94550, USA. garciaduarte1@llnl.gov.
Scientific reports
|March 30, 2024
概括
准确的中子复数确定对于核应用至关重要. 一种新的神经网络方法显著改善了中子探测器的死亡时间和背景校正,将错误降低到3%以下.
科学领域:
- 核物理学 核物理 核物理
- 核工程 核工程是指核工程.
- 应用数学 应用数学 应用数学
背景情况:
- 中子的多重性对于核理论,核不扩散,能源和安全至关重要.
- 精确的确定需要死亡时间和背景校正,这对于具有时间依赖中子捕获的探测器来说具有挑战性.
研究的目的:
- 综合研究和比较现有的方法,用于死时校正和背景减去中子探测器与时间依赖的中子捕获中子探测器.
- 开发和验证一种新的,更准确的中子复数确定方法.
主要方法:
- 一个蒙特卡洛模型被用来模拟死时和背景效应对-252.的中子复数分布.
- 评估了三种现有的校正方法,用于高达1微秒的死亡时间.
- 开发并测试了一种利用在模拟数据上训练的神经网络的新方法.
主要成果:
- 现有的方法表现出显著的不确定性和系统的权衡.
- 开发的神经网络方法在加利福尼亚-252峰周围的中子复数概率中实现了小数误差低于3%的几率.
- 与以前的方法相比,神经网络方法显示出更高的准确性.
结论:
- 神经网络方法提供了一个更准确,更可靠的方法来纠正中子复数概率.
- 这种方法对于可以准确模拟但缺乏精确分析描述的系统尤其有效.
- 神经网络方法可扩展到更高的多重性,适用于各种核科学和工程挑战.
