2020 Fiscal Year Annual Research Report
Radioisotope Identification by gamma-ray spectrum analysis using Machine-Learning Models
| Project/Area Number |
18K04646
|
|---|
| Research Institution | Japan Atomic Energy Agency |
|---|
Principal Investigator |
木村 祥紀 国立研究開発法人日本原子力研究開発機構, 核不拡散・核セキュリティ総合支援センター, 研究職 (60636869)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
土屋 兼一 科学警察研究所, 法科学第二部, 主任研究官 (90447920) [Withdrawn]
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | 核種判定 / 機械学習 / ガンマ線スペクトル / 粒子輸送シミュレーション / 放射線計測 |
|---|
| Outline of Annual Research Achievements |
核セキュリティ事象の現場初動対応活動において、速やかな事象対応や現場対応者の被ばくリスク低減などの観点から、原因核種の迅速な把握が必要不可欠となるが、測定検出器の性能や測定時間といった制限から従来の核種判定装置では核種判定性能が限定的となってしまう技術的な課題が存在している。本研究では、核セキュリティ事象の現場初動対応活動を支援する技術として、放射性核種の判定を迅速かつ自律的に行うためのハンドヘルド型放射性核種判定装置（RIID）の開発を目的とした、機械学習手法に基づく新しいガンマ線スペクトル解析手法に関する基礎技術の研究を実施する。
令和２年度は、低エネルギー分解能ヨウ化セシウム（CsI）検出器の検出器応答シミュレーションによって学習データベースを構築し、畳み込みニューラルネットワーク（CNN)モデルを学習させ、崩壊系列核種（ラジウム、トリウム、ウラン）や環境存在核種（カリウム40）を含む10核種を対象とした核種判定アルゴリズムを開発した。また、CsI検出器により測定した標準ガンマ線線源やウラン鉱石、ウラン標準線源のガンマ線スペクトルを対象とした核種判定アルゴリズムの性能試験を行った。その結果、本研究で開発した核種判定手法により、低エネルギー分解能検出器により測定した環境バックグラウンド放射線を含むスペクトルから非常に高い性能で単数または複数組合せの線源核種を判定できることを実証し、本成果を国内学会で発表した。
本年度の上記成果と、前年度までに実施した高分解能ゲルマニウム検出器を対象とした機械学習モデルを使用した核種判定アルゴリズムの開発に関する成果を併せて公開するために、学術論文を執筆し学会誌に投稿した。
|
