ИСТИНА |
Войти в систему Регистрация |
|
ИСТИНА ИНХС РАН |
||
Целью работы является разработка глубокой нейронной сети для извлечения полезной информации из спектров γ-излучения при низком отношении сигнал/шум, позволяющей улучшить пределы обнаружения радиоактивных изотопов в образцах естественного происхождения, повысить надежность результатов и автоматизировать процесс измерения. Шумоподавляющий автокодировщик на основе глубокой нейронной сети позволяет выделить полезную информацию и снизить неопределённость измерений активности радиоизотопов в образцах при низком отношении сигнал/шум и расширить возможности γ-спектрометрии. Будет разработана глубокая нейронная сеть с архитектурой шумоподавляющего автокодировщика для обработки данных с энергетических каналов γ-спектрометра при измерении содержания радиоактивных изотопов в образцах естественного происхождения и получения очищенного от шумов спектра γ-излучения с последующим количественным определением наиболее распространённых радиоактивных изотопов искусственного и естественного происхождения. Исследование глубоких нейронных сетей для обработки спектров γ-излучения было начато в последние несколько лет и показало перспективность развития данного направления. Предлагаемая в данном проекте архитектура шумоподавляющей сверточной нейронной сети ранее не исследовалась в приложении к спектрометрии радиоактивных излучений. В связи с этим, работа имеет мировой приоритет и может лечь в основу новых подходов в γ-спектрометрии, имеющих существенное практическое значение. Повышение чувствительности γ-спектрометрии важно для улучшения качества радиационного контроля и мониторинга, оценки качества материалов, проведения радиоэкологических и геологических исследований, снижения уровня воздействия ионизирующих излучения на человека при использовании некоторых методов медицинской диагностики.
The aim of the work is to develop a deep neural network to extract useful information from gamma-ray spectra with a low signal-to-noise ratio, that allows to improve the detection limits of radioactive isotopes in samples of natural origin, increase the reliability of the results and automate the measurement process. A noise-canceling auto-encoder based on a deep neural network allows to highlight useful information and reduce the uncertainty of measurements of radioisotope activity in samples at a low signal-to-noise ratio and expand the capabilities of γ-spectrometry. A deep neural network with a noise-canceling auto-encoder architecture will be developed to process data from the energy channels of a γ-spectrometer when measuring the content of radioactive isotopes in samples of natural origin and to obtain a noise-free spectrum of γ-radiation with subsequent quantitative determination of the most common radioactive isotopes of artificial and natural origin. The study of deep neural networks for processing the spectra of γ-radiation was started in the last few years and showed the prospects for the development of this direction. The architecture of the noise-canceling convolutional neural network proposed in this project has not been previously studied in the application to spectrometry of radioactive radiation. In this regard, the work has a global priority and can form the basis of new approaches in γ-spectrometry. It has significant practical importance. Increasing the sensitivity of γ-spectrometry is important to improve the quality of radiation control and monitoring, assess the quality of materials, conduct radioecological and geological studies, reduce the level of exposure to ionizing radiation on humans using certain methods of medical diagnostics.
В результате реализации проекта будет разработана глубокая нейронная сеть с архитектурой шумоподавляющего автокодировщика для обработки данных с энергетических каналов γ-спектрометра при измерении содержания радиоактивных изотопов в образцах естественного происхождения и получения очищенного от шумов спектра γ-излучения, с последующим количественным определением наиболее распространённых радиоактивных изотопов искусственного и естественного происхождения. Разработанный метод позволит расширить нижний предел обнаружения гамма-излучающих радиоактивных изотопов в составе образцов естественного происхождения и снизить непоределенность измерения. При подтверждении выдвинутой гипотезы, разрабатываемый метод может лечь в основу новых подходов в γ-спектрометрии, имеющих существенное практическое значение.
Работа над проектом будет выполнятся силами сотрудников физического факультета МГУ имени М.В.Ломоносова и лаборатории радиоэкологии ГНУ «Институт радиобиологии» НАН Беларуси. С российской стороны предполагается участие: 1 доктора наук, 2 кандидата наук и 2 аспиранта. Д.ф-м.н. Желтоножский В.А. и к.т.н. Желтоножская М.В. обладают обширным опытом выполнения измерений содержания техногенных радионуклидов в образцах естественного происхождения, включая микроорганизмы. Желтоножским В.А.и Желтоножской В.А. разработаны методы количественного определения ряда радиоактивных изотопов по спектрам рентгеновского и низкоэнергетического гамма-излучения. Методы прошли апробацию, стандартизацию и внедрение для условий Чернобыльской зоны отчуждения и 4-го энергоблока ЧАЭС. Со стороны Беларуси предполагается участие 1 кандидата наук, 1 аспиранта и 2 научных сотрудника без степени. Данным научным коллективом выполнен комплекс научных работ в рамках государственных программ научных исследований, Государственных программ по преодолению последствий катастрофы на Чернобыльской АЭС, Программ Союзного Государства, проектов МАГАТЭ, программы НАТО Наука для мира, ряда международных и национальных грантов. Разработана модель переноса радионуклидов с дымами лесных пожаров, позволяющая оценить изменение радиационной обстановки в зоне воздействия чрезвычайной ситуации и вторичное загрязнение территории. В лаборатории разработаны новые методики определения содержания и физико-химического состояния радионуклидов и тяжелых металлов в объектах окружающей среды, аттестованные БелГИМ и используемые в лабораториях Республики Беларусь. В лаборатории разработана компьютерная аналитическая система для оценки поступления техногенных радионуклидов в организм и доз облучения животных, обитающих в зоне отчуждения Чернобыльской АЭС. Разработано мобильное приложение EcoJournal, предназначенное для автоматизации радиоэкологических исследований. Программа EcoJournal включен в Магазин приложений Microsoft.
грант РФФИ |
# | Сроки | Название |
1 | 7 мая 2020 г.-25 мая 2021 г. | Глубокие нейронные сети для автоматизации измерения низких активностей радионуклидов в образцах |
Результаты этапа: | ||
2 | 1 июня 2021 г.-25 мая 2022 г. | Глубокие нейронные сети для автоматизации измерения низких активностей радионуклидов в образцах |
Результаты этапа: |
Для прикрепления результата сначала выберете тип результата (статьи, книги, ...). После чего введите несколько символов в поле поиска прикрепляемого результата, затем выберете один из предложенных и нажмите кнопку "Добавить".