文献

J-GLOBAL ID：202002270542215483   整理番号：20A1723449

γ線エネルギースペクトルを用いた機械学習による放射線源分布の推定

Estimation of radiation source distribution using machine learning with γ ray energy spectra

著者 (2件)： Uemura Takero (Faculty of Symbiotic Systems Science, Fukushima University) ,  Yamaguchi Katsuhiko (Faculty of Symbiotic Systems Science, Fukushima University)
資料名： Journal of Advanced Simulation in Science and Engineering (Web)  (Journal of Advanced Simulation in Science and Engineering (Web))
巻： 7  号： 1  ページ： 71-81(J-STAGE)  発行年： 2020年 
JST資料番号： U0612A  ISSN： 2188-5303  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： 様々な位置に配置された放射線源から放射されるγ線の線量とエネルギースペクトルを用いた機械学習により,本来の放射線源分布を推定する方法を提案した。本方法は複雑なパラメータ設定を必要とせず,放射線源と測定点の間に鉛のような遮蔽体がある場合にも適用できた。測定結果は本来の放射線源分布を高精度で示した。本方法の開発により,除染と廃炉に適用することが期待された。(翻訳著者抄録)

シソーラス用語： *機械学習 ,  *γ線 ,  *エネルギー分布 ,  鉛 ,  線源 ,  放射線量 ,  原子炉デコミッショニング
準シソーラス用語： *エネルギースペクトル ,  汚染除去 ,  廃炉 ,  福島第一原子力発電所 ,  *放射線源

著者キーワード (3件)： 機械学習 ,  モンテカルロ法 ,  福島第一原子力発電所

分類 (2件)： 計算機シミュレーション  (JE11000H) ,  放射線防護一般  (MB02010O)

引用文献 (4件)：

• [1] Y. Sanada, T. Sugita, Y. Nishizawa, A. Kondo, T. Torii: The aerial radiation monitoring in Japan after the Fukushima Daiichi nuclear power plant accident, Progress in Nuclear Science and Technology, Volume 4 (2014) pp. 76-80
• [2] M. Sasaki, A. Ishizaki, Y Sanada: Development of analysis method for airborne radiation monitoring using the inverse problem solutions, Progress in Nuclear Science and Technology, Volume: 6 (2019), pp. 63-67
• [3] D. E. Rumelhart, G. E. Hinton, R. J. Williams : Learning representations by back-propagating errors, Nature, volume : 323 (1986), pp. 533-536
• [4] M. J. Berger, J. H. Hubbell, S. M. Seltzer, J. Chang, J. S. Coursey, R. Sukumar, D. S. Zucker, K. Olsen : “NIST XCOM : Photon Cross Sections Database” available from https://www.nist.gov/pml/xcom-photon-cross-sections-database.

タイトルに関連する用語 (6件)： γ線 ,  エネルギースペクトル ,  機械学習 ,  放射線源 ,  分布 ,  推定