Development of Radiation-Distribution Estimation-System with Higher Precision Using Deep Neural Networks and Photon Transport Simulator and Its Implementation on Edge Device
| Project/Area Number |
20K11991
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 61040:Soft computing-related
|
|---|
| Research Institution | Kagawa University |
|---|
Principal Investigator |
藤本 憲市 香川大学, 創造工学部, 教授 (20300626)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
阪間 稔 徳島大学, 大学院医歯薬学研究部(医学域), 教授 (20325294)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2022: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2021: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2020: ¥2,860,000 (Direct Cost: ¥2,200,000、Indirect Cost: ¥660,000)
|
|---|
| Keywords | 放射線強度分布推定 / 光子飛跡シミュレーション / 敵対的生成ネットワーク / 深層ニューラルネットワーク / IoT実装 / データ拡張 / 光子飛跡計算 / 深層学習 |
|---|
| Outline of Research at the Start |
モンテカルロ法に基づいた光子（放射線）飛跡シミュレータを用いて，放射能物質を含む土壌内で実測される放射線強度分布に近い人工データを生成し，確率事象を含むその人工データを巧く学習できる深層学習システムを構築することにより，地表面下の放射線強度分布を高精度に推定できるシステムの開発を目指す。更に，構築した深層学習システムの小型IoT機器（エッジデバイス）への実装についても研究し，本システムの実用化可能性について検討する。
|
| Outline of Annual Research Achievements |
土壌内の放射線強度分布推定問題に対し，光子飛跡シミュレータから得られる仮想放射性物質の配置（分布）データと仮想放射線センサーで測定される放射線スペクトルデータとの関係を学習する深層学習システムを構築することによって，土壌内の放射線強度分布を高精度に推定するシステムを開発することが本研究の目的である。令和2年度は，3次元CAD及びプリンタを用いて放射性物質や土を格納するための積み上げ可能なトレーを製作するとともに，光子飛跡シミュレータ用設定プログラムを作成し，模擬実験場における実測及び数値シミュレーション実験のための環境を整備した。令和3年度は，短期間で深層学習用の光子飛跡シミュレーションデータ（仮想放射線センサにて測定される放射線エネルギースペクトル）を作成するため，まず，単一層にのみに放射線源を仮想配置したときの光子飛跡シミュレーションデータを200個作成し，それらを条件付き敵対的生成ネットワークに学習させることで計12万個の光子飛跡シミュレーションデータを生成した。令和４年度は，単一層のデータセットに対して演算処理等を施すことにより，放射線源を複数層（2又は3層）に仮想配置した場合の放射線エネルギースペクトルデータセットを作成し，放射能深度分布推定用の畳み込み型深層ニューラルネットワークに学習させた。深層ニューラルネットワークの構造を試行錯誤的に改良することで高い正解率を得た。令和5年度は，構築した深層ニューラルネットワークをIoT（エッジデバイス）へ実装したとともに，上記研究成果の一部を学術論文にまとめて発表した。
|
Report
(4 results)
Research Products
(4 results)
