SU‐FF‐T‐363: Plastic Scintillator Preparation and Coupling in Scintillation Dosimetry
Notice bibliographique
Résumé
Introduction: One way to improve the performance of scintillation dosimeters is to increase the light collection efficiency at the coupling interfaces of the detector. The present work present a detailed study of scintillating fiber preparation and their coupling to clear optical fibers in order to minimize light losses and to increase the light signal collected. Methods and Materials: Surface polishing with aluminum oxide sheets, reflector coating with MgO and use of eight different coupling agents (air, three optical gels, optical curing, ultraviolet curing, cyanoacrylate glue and acetone) were considered. For each coupling technique, ten samples were prepared. The procedure followed was: first, both the scintillating fiber and the optical fiber were cut. Then, each extremity was cleaned and polished. Finally the coupling between the scintillating fiber and the optical fiber was made either in a polyethylene cylinder or in a V‐grooved support depending on the kind of coupling agent used. To produce a large quantity of light, a UV lamp was used to stimulate scintillation. Results: A typical series of similar couplings showed a standard deviation equal to 10 %. This can be explained by the difference in the surface quality and the alignment of the scintillating fiber over the optical fiber. Surface polishing improves the light collection by approximately 65 % and a reflective coating on the distal end of the scintillator by approximately 40 %. For the coupling agents, the best results were obtained using an optical gel. Conclusion: In plastic scintillation dosimetry, there is usually a compromise to be made between the spatial resolution of the probe (i.e. its size) and the total signal collected by the photodetector. Since a large amount of the light produced inside the scintillator is usually lost, a better collection efficiency will result in improved spatial resolution for a given signal intensity.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 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 ».