Redes Neuronales Artificiales de regresión generalizada en espectrometría y dosimetría de neutrones

Abstract

Estamos constantemente expuesto a la radiación, ya sea de manera natural o artificial, la cual existe en un amplio espectro electromagnético, como pueden ser radiación alfa, beta, gamma y la causada por el neutrón, el cual por alto poder de penetración y carencia de carga eléctrica, ser detenido es muy complicado y su medición es una tarea muy compleja. Ya que no se pueden medir de manera directa, se usan sistemas indirectos, utilizando sistemas moderadores para bajar la energía del neutrón, el más usado es el sistema espectrométrico de esferas Bonner (SEEB), que consiste en un detector en el centro de un sistema de un grupo de esferas de polietileno de diámetro diferente, comenzando desde el detector al desnudo. Al haber esferas de diámetro diferente, los neutrones pierden energía según el diámetro de la esfera, de tal forma que cada esfera es eficiente en cierto grupo de energía, y el grupo de respuestas de las esferas se le conoce como matriz de respuesta. Al incidir los neutrones sobre las esferas provoca partículas secundarias, se considera que por cada partícula secundaria detectada es un neutrón detectado. Pero el espectro de neutrones no se da de manera directa de estas mediciones, sino que debe pasar por un proceso de reconstrucción, el cual se logra, resolviendo la ecuación de primer tipo de Fredholm, considerada una ecuación mal condicionada, debido a que el número de incógnitas es mayor que el número de ecuaciones de entrada, se considera que es un sistema mal condicionado. Una vez obtenida las tasas de conteo y la matriz de respuesta, para resolver el espectro de neutrones no es fácil, se usan distintos métodos, usar la inteligencia artificial específicamente redes neuronales artificiales ha sido un tema de interés en los últimos años. En trabajos anteriores, se utilizó las redes neuronales artificiales de propagación hacia adelante, con algoritmo de propagación inversa, para reconstruir el espectro de neutrones y el cálculo de las dosis, y aunque dio buenos resultados, aún existen muchas variables que el usuario puede controlar y otras que no, afectando el desempeño de la red. En este trabajo se utiliza las redes neuronales artificiales de regresión generalizada, como una nueva herramienta para reconstruir el espectro de neutrones y el cálculo de las dos, utilizando 251 espectros compilados de la Organización Internacional de Energía Atómica, de los cuales, el 80 % para entrenar y 20 % para la etapa de prueba. Una de la finalidad de este trabajo, es validar el funcionamiento de la red, utilizando como datos de entrada, las tasas de conteo de tres laboratorios, dos en Alemania y uno en EUA, y reduciendo estas tasas de conteo, a dos datos de entrada, y a un solo dato. Conforme se reducían el número de entradas, se entrenó en mayor cantidad las redes, con la finalidad de elegir entre más resultados el mejor. Los resultados finales, demostraron el buen funcionamiento de la red utilizando la totalidad de las tasas de conteo de los tres laboratorios, casi de igual manera, reduciendo el número de entradas a dos, mostró muy buenos resultados en el cálculo de las dosis, y buenos resultados en la reconstrucción del espectro, mientras que al reducir el número de entradas a un único dato, utilizando la tasa de conteo del a esfera de cinco pulgadas, y la de ocho, para el cálculo de las dosis, aun mantuvo buenos resultados, mientras que para el espectro de neutrones, no resultaron favorables.