基于机器学习技术的 HPGe γ射线能谱放射性同位素测定方法
数据分析、统计与概率
2023-07-19 v1 机器学习
摘要
γ射线能谱学是一种定量、非破坏性的技术，可用于放射性核素的识别与定量同位素估算。传统的同位素测定方法面临多种挑战，这些挑战会导致估算同位素中的统计与系统不确定度。此外，这些方法通常需要大量预处理步骤，并且仅在有限屏蔽的实验室环境中经过严格测试。在本工作中，我们研究了一系列基于机器学习的回归算法，作为应急领域分析γ射线能谱数据的传统方法的替代方案。该方法不仅消除了分析流程中的许多步骤，从而有望减少这一系统不确定度来源，而且被证明在应急应用中的性能可与传统方法相媲美。
引用
@article{arxiv.2301.01415,
title = {Machine Learning technique for isotopic determination of radioisotopes using HPGe $\mathrm{\gamma}$-ray spectra},
author = {Ajeeta Khatiwada and Marc Klasky and Marcie Lombardi and Jason Matheny and Arvind Mohan},
journal= {arXiv preprint arXiv:2301.01415},
year = {2023}
}