基于机器学习的 EJ-276D 塑料晶体管在低能量 regime 中中中子-伽马射线鉴别
仪器与探测器
2025-11-19 v2 高能物理 - 实验
核实验
摘要
本工作呈现了使用带脉冲形态鉴别能力的塑料晶体管探测器对中子和伽马射线事件鉴别的结果。机器学习（ML）算法用于提高低能量范围内中子和伽马事件之间的鉴别能力，而传统脉冲形态鉴别技术则未能覆盖此范围。研究了使用带贝叶斯推理的多层感知器（MLPBNN）和支持向量机（SVM）算法。所构建的输入变量捕捉了中子和伽马脉冲波形头部与尾部差异的核心特征。提出一种新变量，通过计算波形的峰度与方差之积，在中子和伽马事件分离方面表现更佳。ML 算法的训练与测试使用 AmBe 中子源完成。在能量范围内，将 ML 预测结果与基于时间飞行（ToF）技术获得的结果进行比较，以基准测试 ML 算法的总体性能。观察到 ML 算法结果与 ToF 实验结果在所研究能量范围内具有相当一致性。实验表明，MLPBNN 对中子和伽马事件的鉴别能力优于 SVM 算法。
引用
@article{arxiv.2506.13802,
title = {Discrimination of neutron-$\gamma$ in the low energy regime using machine learning for an EJ-276D plastic scintillator},
author = {S. Panda and P. K. Netrakanti and S. P. Behera and R. R. Sahu and K. Kumar and R. Sehgal and D. K. Mishra and V. Jha},
journal= {arXiv preprint arXiv:2506.13802},
year = {2025}
}
备注
Replaced with the published version. Publication accepted by NIM A