1 日本原子力研究開発機構Japan Atomic Energy Agency
2 科学警察研究所National Research Institute of Police Science
核検知や核セキュリティ事案の現場において，迅速かつ正確な放射性物質の判定は，検知警報や事案への迅速な対応を行うための重要な技術的課題の一つである。本稿では，携帯型ガンマ線検出器に適用可能な深層ニューラルネットワークモデルを用いた放射性核種の判定アルゴリズムを提案する。本アルゴリズムでは，シミュレーションで作成した模擬ガンマ線スペクトルで学習した深層ニューラルネットワークモデルにより，各放射性核種に起因する計数寄与率（CCR）を推定し，放射性核種を自動で判定する。この自動核種判定アルゴリズムにより，放射線測定の経験や知識が十分でない核検知や核セキュリティ事象の初動対応者を支援することが可能となる。2種類の異なる深層ニューラルネットワークモデルを用いたアルゴリズムを高エネルギー分解能及び低エネルギー分解能の携帯型ガンマ線検出器に適用し，提案アルゴリズムの性能を評価した。提案したアルゴリズムは，実際の測定ガンマ線スペクトルにおける人工放射性核種の判定で高い性能を示した。また，深層ニューラルネットワークモデルによるCCR推定値を解析することで，235Uの検知やウランの自動分類にも適用できることを確認した。さらに筆者らは，提案したアルゴリズムの性能を従来の核種判定手法と比較し，深層ニューラルネットワークモデルベースの核種判定アルゴリズムの性能を向上させる具体的な方策についても議論した。
Rapid and precise radioisotope identification in the scene of nuclear detection and nuclear security incidents is one of the challenging issues for the prompt response to the detection alarm or the incidents. A radioisotope identification algorithm using a deep artificial neural network model applicable to handheld γ-ray detectors has been proposed in the present paper. The proposed algorithm automatically identifies gamma-emitting radioisotopes based on the count contribution ratio (CCR) from each of them estimated by the deep artificial neural network model trained by simulated γ-ray spectra. The automated radioisotope identification algorithm can support first responders of nuclear detection and nuclear security incidents without sufficient experience and knowledge in radiation measurement. The authors tested the performance of the proposed algorithm using two different types of deep artificial neural network models in application to handheld detectors having high or low energy resolution. The proposed algorithm showed high performance in identifying artificial radioisotopes for actually measured γ-ray spectra. It was also confirmed that the algorithm is applicable to identifying 235U and automated uranium categorization by analyzing estimated CCRs by the deep artificial neural network models. The authors also compared the performance of the proposed algorithm with a conventional radioisotope identification method and discussed promising ways to improve the performance of the algorithm using the deep artificial neural network.
Key words: nuclear security; radioisotope identification; artificial neural network; γ-ray spectrum; handheld γ-ray detector; Monte Carlo N-Particle (MCNP) code
© Japan Radioisotope Association 2023. This is an open access article distributed under the Creative Commons Attribution 4.0 International (CC BY 4.0) License (https://creativecommons.org/licenses/by/4.0/)© Japan Radioisotope Association 2023. This is an open access article distributed under the Creative Commons Attribution 4.0 International (CC BY 4.0) License (https://creativecommons.org/licenses/by/4.0/)
This page was created on 2023-03-02T13:49:31.974+09:00
This page was last modified on 2023-04-21T16:35:12.000+09:00
このサイトは（株）国際文献社によって運用されています。
