基于神经网络的多同位素 TDCR β 谱分析

液体致发射三重-双重同位素比（TDCR）谱分析因其高精度、自校准能力及独立于放射性参考源的优势，广泛应用于同位素定量分析。然而，TDCR 的多同位素分析面临自动化程度有限及依赖混合物专用标准的问题，这些标准在实际应用中可能难以获取。本文提出了一种人工智能（AI）框架，结合数值光谱仿真与深度学习实现无标准自动化分析。通过 Geant4 模拟耦合统计建模的探测器响应抽样生成用于模型训练的 β 谱数据，构建针对 various nuclei 混合比例和淬灭情景的定制神经网络架构，实现对单个同位素活跃度和探测效率的自主解析。该模型在各项任务上均达到一致高精度：活跃度比例（平均绝对误差=0.009）、探测效率（平均绝对误差=0.002）及光谱重构（结构相似性指数=0.9998），验证了其对淬灭 β 谱分析的物理合理性。该 AI 驱动方法在无参考材料或快速现场分析需求场景下，展现出显著的自动化安全合规的多同位素分析潜力，具备良好的泛化能力、实时处理能力及工程可行性。