| 基于机器学习的多中子探测技术 |
| |
| 引用本文： | 杜泽宇, 黄思维, 杨再宏, 李奇特, 边佳伟. 基于机器学习的多中子探测技术[J]. 原子核物理评论, 2024, 41(1): 402-408. DOI: 10.11804/NuclPhysRev.41.2023CNPC64 |
| |
| 作者姓名： | 杜泽宇 黄思维 杨再宏 李奇特 边佳伟 |
| |
| 作者单位： | 1.北京大学物理学院,北京 100871;2.北京大学核物理与核技术国家重点实验室,北京 100871 |
| |
| 基金项目： | 国家重点研发计划项目(2022YFA1605100, 2023YFE0101500);国家自然科学基金资助项目(12275006);北京大学核物理与核技术国家重点实验室自主科研课题资助项目(NPT2022ZZ02)和开放课题资助项目(NPT2020KFY06) |
| |
| 摘 要： | 
中子滴线区的丰中子原子核结构是当前放射性核束物理研究的前沿热点之一。通过直接探测这些不稳定原子核衰变中发射的中子,不仅能提取核内部的多中子关联,也为丰中子核物质的性质研究提供重要的线索。
为满足开展多中子探测实验的需求,本工作发展了基于机器学习的多中子识别算法,以大量的模拟数据作为训练样本,构建深度神经网络来逐事件判定反应的中子数,并进一步挑选出真实中子。本工作的结果表明,机器学习算法的四中子探测效率为~15%,传统算法为~1%,机器学习算法能将四中子探测效率显著提升10倍以上,有望应用到多中子探测实验中。
|
| 关 键 词： | 丰中子核 多中子探测 机器学习 深度神经网络 |
| 收稿时间： | 2023-08-31 |
| 修稿时间： | 2024-02-23 |
|
| 点击此处可从《原子核物理评论》浏览原始摘要信息 |
|
点击此处可从《原子核物理评论》下载全文 |
|
