基于深度学习的分段有机探测器中快中子方向重建
摘要：使用基于分段有机闪烁体探测器和深度学习模型的方法来重建快中子源的方向，提出并进行了分析。该模型基于循环神经网络，可以通过从探测器记录的事件中获取的一系列数据进行适当预处理来进行训练。将基于深度学习的模型在重建快中子源方向时的性能与传统的双散射检测算法进行了比较。在具有46毫米边长的分段立方有机闪烁体探测器中，通过深度学习模型，可以实现源方向的不确定度为0.301弧度，其中包括100个中子探测事件。为了使用与双散射算法相同的角分辨率重建源方向，深度学习方法需要更少的75％事件。应用这种方法可以增强在中子散射相机配置下运行的分段探测器的操作，用于特殊核材料检测等应用。
作者：Jun Woo Bae, Tingshiuan C. Wu, Igor Jovanovic
论文ID：2301.10796
分类：Instrumentation and Detectors
分类简称：physics.ins-det
提交时间：2023-01-27