2021 Fiscal Year Research-status Report
| Project/Area Number |
21K18624
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
稲田 聡明 東京大学, 素粒子物理国際研究センター, 特任助教 (20779269)
|
|---|
| Project Period (FY) |
2021-07-09 – 2023-03-31
|
| Keywords | 中性子 / 超解像 / AI / デジタルイメージング |
|---|
| Outline of Annual Research Achievements |
本研究では、通常の中性子イメージングで取得されるデジタル画像に対して、深層学習によるバーテックス位置の推定を行うことで解像度をエンハンスする、「AI超解像」技術を応用する。入射中性子はCMOS表面にコーティングされた厚さ200 nmの 10B層で捕獲反応(n+10B→7Li+α)を起こし、二次粒子である 7Liとα粒子がシリコン層で電離反応によるトラック(~5 μm)を残す。シリコン層に電圧を印加することで、生成したチャージをピクセル(~10 μm角)までドリフトさせ、アンプして電圧信号として読み出す。
チャージはドリフト中に拡散及びクーロン反発(空間電荷効果)して、数ピクセルの幅に広がってしまうため、空間分解能は通常数十μmとなる。このチャージクラスタ(「粗視画像」)の重心を用いてバーテックスの位置を推定することができる一方、本研究ではトラックとチャージクラスタの対応を学習することでバーテックス位置を更に高い分解能で推定するソフトウェアを開発した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本課題の主な要素はAIソフトウェアの開発、実機及び実データを用いた原理実証であり、本年度で既にソフトウェア開発の中心部分については概ね完了することができた。次年度以降もソフトウェア開発の高度化に関する調査は継続していく必要がある一方、実データを用いた原理実証及び高速イメージングへスムーズに展開していくことが可能である。
|
| Strategy for Future Research Activity |
次年度は、ソフトウェアの高度化と並行して、実データを用いた原理実証及び高速イメージングへの展開を行う。粗視画像のレベルでデータを扱うため高速化が期待でき、また従来のセンサと同じデータ量であればより多ピクセル化が可能となるため、大面積のイメージングが実現できる。
|
| Causes of Carryover |
コロナ禍により電子部品及び半導体関連の調達に遅れが発生したため、翌年度にかかる費用の一部として計上する
|
