低能过滤X射线神经网络解谱方法研究

摘要

利用神经网络算法实现对PIPS探测器测量得到的低能过滤X射线脉冲幅度谱的快速解谱.首先根据PIPS探测器的计算机断层扫描图像,在MCNP5中建立该探测器的蒙特卡罗(MC)模型.并通过实验、MC效率刻度以及能谱展宽,对该探测器模型进行验证.之后计算PIPS探测器对单能光子(5～30?keV)的响应函数,并将其作为单层线性神经网络的训练数据.使用训练后的神经网络和GRV_MC33程序分别对N10～N30和L10～L30辐射质的X射线脉冲幅度谱进行解谱.结果表明:除N25和N30辐射质外,二者解谱结果相符较好.其解谱结果的差异可能来源于探测器响应函数和GRV_MC33程序解谱方法的不确定度.训练好的神经网络可被移植到微型计算机中,帮助校准实验室实现对低能过滤X射线脉冲幅度谱的快速解谱.