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 |
Granted (Fiscal Year 2022)
|
| 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 / 深層ニューラルネットワーク / 敵対的生成ネットワーク / 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 |
光子飛跡シミュレータ及び機械学習システムを効果的に利用し，土壌内の放射能深度分布を高精度に推定できるシステムを開発することが本研究の目的である。令和3年度，条件付き敵対的生成ネットワークを用いて，ある単一層にのみに放射線源を仮想配置した場合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）を約１２万個に拡張した。令和４年度は，令和3年度に作成した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た。これらのデータセットに対して，令和３年度に構築した畳み込み型深層ニューラルネットワークによる放射線強度分布推定実験を実施した。その結果，放射線源を複数層に配置した場合の放射線エネルギースペクトルに対しては高い推定精度（正解率）が得られなかったため，放射線強度分布推定用深層ニューラルネットワークの改築を行った。一部の放射線エネルギースペクトルデータセットに対する学習を通じて放射線強度分布推定精度が向上する深層ニューラルネットワークの構造を試行錯誤的に見出し，その後，深層ニューラルネットワークのファインチューニングを実施した結果，放射線源が単一層又は複数層（２又は３層）に存在する場合の放射線エネルギースペクトルデータセットに対して９８％の正解率を得た。上記研究成果の一部を国際会議にて口頭発表した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
深層 ニューラルネットワークの構造を改良することによって，放射性物質を複数層に配置した場合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）に対する放射線深度分布推定精度を高めることができた。
|
| Strategy for Future Research Activity |
令和４年度に実施した放射能実測実験の結果を用いて，深層ニューラルネットワークの放射線強度分布推定精度を評価する。その深層ニューラルネットワークをエッジデバイスへ実装する。
|
Report
(3 results)
Research Products
(3 results)
