.png){kind=icon}
返回
Low Activity Tritium Detection in CCDs Using Deep Learning Techniques
.png){kind=icon}
PRE
AI
DOI：10.1109/TNS.2025.3631052.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究探讨了利用电荷耦合器件（CCDs）检测氚衰变产生的低能β粒子——这对于核安全、核不扩散和环境监测是至关重要的信号。我们采用了一种双方法，利用实测CCD数据和详细的Geant4模拟。我们的分析比较了经典技术与先进的深度学习方法，包括卷积神经网络（CNN）、仅用氚数据训练的自编码器以及初步的梯度提升决策树（BDT）研究。CNN在混合信号/背景数据集上进行训练，表现出卓越的分类性能，而自编码器则在背景特征定义不明确时展示了无监督、与背景无关策略的潜力。这些结果表明，得益于信息丰富的CCD数据实现的背景抑制，可以取得极佳的灵敏度，为改进便携式氚监测铺平了道路。
Keyword:
Autoencoder
charge-coupled device (CCD)
convolutional neural network (CNN)
deep learning
tritium
Autoencoder
charge-coupled device (CCD)
convolutional neural network (CNN)
deep learning
tritium
期刊
I
IF:
1.9
论文数:
324
被引数:
1.4W
机构
引用论文
分享收藏Measurement of tritium with high efficiency by using liquid scintillation counter with plastic scintillator使用塑料闪烁体的液体闪烁计数器高效率测量氚
PREAI
分享收藏
分享收藏Field deployable tritium analysis system for ground and surface water measurements适用于地下水和地表水测量的野外部署氚分析系统.png)
IF0
PREAI
分享收藏
查看更多内容