Neutron spectrometry using artificial neural networks for a bonner sphere spectrometer with a 3He detector

Abstract

La reconstrucción de espectros de neutrones y el cálculo de los equivalentes de dosis dependen de la energía de los neutrones, y por ello es esencial un conocimiento preciso de la espectrometría de los neutrones para realizar los estudios relacionados con la disimetría, así como para la realización de muchos experimentos de la física nuclear. Estos no son problemas triviales y los investigadores han mencionado la necesidad de desarrollar técnicas de medición adicionales para ampliar los actuales sistemas de monitoreo del personal laboral. En trabajos previos se han reportado resultados relacionados con la espectrometría y la disimetría de neutrones, utilizando la tecnología de redes neuronales como solución alternativa a partir de las tasas de conteo de un sistema de esferas Bonner con un detector de neutrones térmicos de 6LiI(Eu), 7 esferas de polietileno y la matriz de respuesta conocida como UTA4, expresada en 31 grupos de energía. En este trabajo, se diseño y optimizo una red neuronal para el sistema de esferas Bonner del CIEMAT en España, utilizando la metodología de diseño conocida como RDANN, el cual esta compuesto de un detector de neutrones térmicos de 3He, 12 esferas moderadoras y una matriz de respuesta expresada en 72 grupos de energía. Para el proceso de diseño de la red neuronal se utilizó un catalogo de espectros de neutrones compilado por la IAEA. A partir deesta compilación, los espectros de neutrones se convirtieron de letargia a energía. Posteriormente, estos espectros se rebobinaron utilizando el código MCNP de acuerdo con los grupos de energía de la matriz de respuesta del detector de 3He. Con la matriz de respuesta y los espectros rebobinados se calcularon las tasas de conteo del sistema de esferas Bonner y de esta forma, los espectros rebobinados resultantes y las cuentas calculadas se utilizaron como el conjunto de datos de entrenamiento de la red neuronal.