Surface preparation and coupling in plastic scintillator dosimetry
Notice bibliographique
Résumé
One way to improve the performance of scintillation dosimeters is to increase the light-collection efficiency at the coupling interfaces of the detector system. We performed a detailed study of surface preparation of scintillating fibers and their coupling with clear optical fibers to minimize light loss and increase the amount of light collected. We analyzed fiber-surface polishing with aluminum oxide sheets, coating fibers with magnesium oxide, and the use of eight different coupling agents (air, three optical gels, an optical curing agent, ultraviolet light, cyanoacrylate glue, and acetone). We prepared 10 scintillating fiber and clear optical fiber light guide samples to test different coupling methods. To test the coupling, we first cut both the scintillating fiber and the clear optical fiber. Then, we cleaned and polished both ends of both fibers. Finally, we coupled the scintillating fiber with the clear optical fiber in either a polyethylene jacket or a V-grooved support depending on the coupling agent used. To produce more light, we used an ultraviolet lamp to stimulate scintillation. A typical series of similar couplings showed a standard deviation in light-collection efficiency of 10%. This can be explained by differences in the surface preparation quality and alignment of the scintillating fiber with the clear optical fiber. Absence of surface polishing reduced the light collection by approximately 40%, and application of magnesium oxide on the proximal end of the scintillating fiber increased the amount of light collected from the optical fiber by approximately 39%. Of the coupling agents, we obtained the best results using one of the optical gels. Because a large amount of the light produced inside a scintillator is usually lost, better light-collection efficiency will result in improved sensitivity.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».