Determinación del espectro de neutrones mediante redes neuronales artificiales en CPU y GPU

Abstract

El espectro de neutrones se extiende en varias energías, por lo que el contador empleado es el Espectrómetro de Esferas Bonner (BSS), al utilizar las tasas de conteo y las Redes Neuronales Artificiales (ANNs), demuestran ser un método alternativo en la espectrometría neutrónica. La CPU está limitada a realizar cálculos computacionalmente intensivos. Por lo que una Unidad de Procesamiento Gráfico (GPU) es atractiva para la computación con ANN, ya que trabaja en paralelo. Este estudio determinó el espectro de neutrones a partir de las 7 tasas de conteo obtenidas del BSS mediante una ANN entrenada en CPU y GPU NVIDIA®. De la base de datos del Organismo Internacional de Energía Atómica (OIEA) se obtuvieron espectros de neutrones. Las tasas de conteo del BSS y el espectro están relacionados a través de la ecuación de Fredholm que es un sistema mal condicionado. Para la solución del problema se diseñó una ANN feedforward, conformada por 7 entradas, 2 capas ocultas y una de salida de 25, 25 y 27 neuronas. Para el entrenamiento de la red se tomaron 182 espectros, mediante el algoritmo de gradiente conjugado descendente (SCG) se actualizaron los valores de los pesos sinápticos y bias. Para la validación se tomaron los 12 de espectros restantes y se compararon los espectros reconstruidos por la ANN con los originales usando la prueba estadística Chi Cuadrada 𝜒 2 . El diseño fue realizado con los toolbox de redes neuronales y de computación paralela, de MATLAB® 2015a. El entrenamiento se realizó en CPU con uno y varios núcleos, en CPU con GPU, y en GPU. El rendimiento computacional de las ANN es mejor con el algoritmo SCG, pero por el contario se necesita mayor capacidad de memoria. El cuello de botella en el procesamiento entre CPU y GPU es la velocidad de transmisión en el ducto PCI-E.