使用基于2D CNN的图像分类来对有机闪探测器进行中子-马脉冲形状歧视
Annesha Karmakar1, Anikesh Pal2, G Anil Kumar3
1Nuclear Engineering and Technology Program, Indian Institute of Technology Kanpur, India; Radiation Detectors and Spectroscopy Laboratory, Department of Physics, Indian Institute of Technology Roorkee, India.
一种新的2D CNN方法使用原始探测器数据准确区分中子和马信号. 这种先进的中子-马脉冲形状区分 (PSD) 是高效的,可适应各种探测器.
科学领域:
- 核物理 核物理 核物理
- 机器学习 机器学习
- 信号处理 信号处理
背景情况:
- 中子-马脉冲形状区分 (PSD) 对于识别不同类型的辐射至关重要.
- 像电荷集成 (CI) 这样的传统方法在从原始信号中提取特征方面存在局限性.
研究的目的:
- 实施和评估一个新的2D卷积神经网络 (CNN),用于中子- PSD.
- 为了比较2D CNN方法与传统的电荷集成 (CI) 方法的性能.
主要方法:
- 使用 BC501A 探测器接触到 Cf-252 源来收集中子和马信号.
- 开发了一种数据驱动的方法来标记数字化信号,以创建现实的训练数据集.
- 应用了二维卷积神经网络来分析未经处理的数字化信号快照.
主要成果:
- 基于2D CNN的PSD方法在独立数据集上实现了99%的准确性.
- 该算法的准确性与电荷集成 (CI) 方法的准确性相当.
- 美国有线电视新闻网有效地从原始信号结构中直接提取特征.
结论:
- 拟议的2D CNN方法为中子-马PSD提供了一个计算效率高,准确的替代方案.
- 该算法的处理原始信号数据的能力使其适用于各种中子探测器应用.
- 数据增强进一步提高了基于CNN的PSD技术的稳定性和适用性.
更多相关视频
10:24Neutron Radiography and Computed Tomography of Biological Systems at the Oak Ridge National Laboratory's High Flux Isotope Reactor
Published on: May 7, 2021
06:05Using Neutron Spin Echo Resolved Grazing Incidence Scattering to Investigate Organic Solar Cell Materials
Published on: January 15, 2014
相关概念视频
NMR Spectrometers: Radiofrequency Pulses and Pulse Sequences
Imaging Studies II: Positron Emission Tomography and Scintigraphy
Fundamental Principles of PET
2D NMR: Heteronuclear Single-Quantum Correlation Spectroscopy (HSQC)
