第三届地下和空间粒子物理与宇宙物理前沿问题研讨会

基于CLYC和机器学习的快中子能谱测量研究

8 May 2024, 16:40

20m

一楼第二会议厅

01 - 分会报告 12 - 超低通量超宽能区中子物理和中子测量技术 12 - 超低通量超宽能区中子物理和中子测量技术

Speaker

纪锋 韩 (四川大学)

Description

钾冰晶石类探测器CLYC具有优良的热中子、快中子探测能力和中子伽马甄别能力，本文基于同位素中子源、加速器单能中子源、散裂中子源等研究了CLYC用于中子伽马多模探测的性能，结果表明使用单个CLYC晶体可实现对热中子、快中子、高能中子、伽马能谱和注量率的同时测量。当CLYC耦合R6231和XP2020 PMT时具有较好的能量分辨，在耦合R580时具有更好的中子伽马甄别能力。基于${}^6$Li(n,t)ɑ核反应，可实现对热中子的高效探测，淬灭因子约0.65，伽马能量分辨率约5%（@662 keV），热中子伽马甄别的优值因子（FOM）为 2.5；利用热中子峰位的移动可实现对10-300 keV快中子的探测。基于${}^{35}$Cl(n,p)${}^{35}$S等核反应可实现对1-10 MeV能区快中子的探测，利用加速器单能中子源产生的0.9 - 5.2 MeV 单能中子对CLYC快中子探测性能进行了研究，发现具有良好的线性响应，淬灭因子为 0.9，快中子探测效率约0.1%，中子能量分辨率约15%，快中子和伽马的甄别FOM值为 1.3。基于卷积神经网络方法，实现了对 ${}^6$Li(n,t)ɑ、${}^{35}$Cl(n,p)${}^{35}$S等核反应通道的甄别，准确率约97%，进而实现了相同能量沉积条件下快中子、热中子的甄别。使用残差网络实现对高计数率下复杂堆积信号类别的判断，显著提高CLYC可使用的计数率上限，FOM值优于1.1，获得远多于电荷比较算法的额外信息。基于散裂中子源提供的白光中子束，测试了CLYC用于高能中子测量的结果，进一步验证可利用CLYC实现对几十-百MeV高能中子的能量测量。

Presentation materials

基于CLYC和机器学习的快中子能谱测量研究.pdf