利用深度学习在分段有机探测器中重建快中子方向
仪器与探测器
2023-01-27 v1
摘要
提出并分析了一种利用基于分段有机闪烁体的探测器和深度学习模型重建快中子源方向的方法。该模型基于循环神经网络，可通过探测器中记录并经适当预处理的一个事例所得数据序列进行训练。将基于深度学习的模型与传统的双散射探测算法在重建快中子源方向方面的性能进行了比较。在边长为 46 mm 的分段立方有机闪烁体探测器中，利用深度学习模型，在 100 个中子探测事例下实现了 0.301 rad 的源方向不确定度。为达到与双散射算法相同的角分辨率，深度学习方法所需事例数减少 75%。该方法的运用可增强以中子散射相机配置运行的分段探测器在特种核材料探测等应用中的工作。
引用
@article{arxiv.2301.10796,
title = {Reconstruction of Fast Neutron Direction in Segmented Organic Detectors using Deep Learning},
author = {Jun Woo Bae and Tingshiuan C. Wu and Igor Jovanovic},
journal= {arXiv preprint arXiv:2301.10796},
year = {2023}
}
备注
15 pages. 9 figures. Preprint submitted to Elsevier August 2022