AI超解像技術を駆使した高速中性子イメージング

2022 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, 助教 (20779269)
• Project Period (FY): 2021-07-09 – 2024-03-31
• Keywords: 中性子

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。
生成されたばかりのチャージは1ピクセルと同程度もしくはそれ以下のサイズであるものの、ピクセルへのドリフト中に拡散及びクーロン反発(空間電荷効果)が発生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。従来は、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位置を推定する手法が一般的であった。本研究ではインプットとなるトラック情報をモンテカルロシミュレーションにより生成し、電荷輸送を追跡する数値シミュレーションと合わせることでトラックに対応するチャージクラスタの分布を得た。これらのデータセット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開発のアウトラインを完了した。

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MCシミュレータ及び数値計算コードの開発の両面において概ね期待通りの進展が得られた。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。

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準備を進める。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