利用人工神经网络构建HPGe探测器反冲能量分布的一致经验物理公式
仪器与探测器
2013-01-17 v2 核实验
摘要
伽马射线追踪技术是实验核结构物理学中一种高效的探测方法。基于该方法，欧洲的AGATA和美国的GRETA两个伽马射线追踪阵列正在开发中。中子在这些探测器中的相互作用会导致伽马射线谱中出现不需要的本底。因此，在伽马射线追踪过程中必须确定中子在这些探测器中的相互作用点，以提高伽马射线峰的光峰效率和峰总比。为此，我们通过实验和人工神经网络获得了1-5 MeV中子非弹性散射引起的锗核反冲能量分布。此外，针对反冲锗核的高度非线性探测器响应，我们通过适当的分层前馈神经网络（LFNN）构建了一致的经验物理公式（EPF）。这些LFNN-EPF可用于推导进一步的物理函数，这些函数可能与伽马射线追踪过程中中子相互作用的确定相关。
引用
@article{arxiv.1202.3532,
title = {Consistent empirical physical formula construction for recoil energy distribution in HPGe detectors using artificial neural networks},
author = {Serkan Akkoyun and Nihat Yildiz},
journal= {arXiv preprint arXiv:1202.3532},
year = {2013}
}
备注
This paper has been withdrawn by the author due to making some major changes