Azimuthal particle redistribution for the reduction of latent phase-space variance in Monte Carlo simulations
Notice bibliographique
Résumé
It is well known that the use of a phase space in Monte Carlo simulation introduces a baseline level of variance that cannot be suppressed through the use of standard particle recycling techniques. This variance (termed latent phase-space variance by Sempau et al) can be a significant limiting factor in achieving accurate, low-uncertainty dose scoring results, especially near the surface of a phantom. A BEAMnrc component module (MCTWIST) has been developed to reduce the presence of latent variance in phase-space-based Monte Carlo simulations by implementing azimuthal particle redistribution (APR). For each recycled use of a phase-space particle a random rotation about the beam's central axis is applied, effectively utilizing cylindrical symmetry of the particle fluence and therefore providing a more accurate representation of the source. The MCTWIST module is unique in that no physical component is actually added to the accelerator geometry. Beam modifications are made by directly transforming particle characteristics outside of BEAMnrc/EGSnrc particle transport. Using MCTWIST, we have demonstrated a reduction in latent phase-space variance by more than a factor of 20, for a 10 x 10 cm(2) field, when compared to standard phase-space particle recycling techniques. The reduction in latent variance has enabled the achievement of dramatically smoother in-water dose profiles. This paper outlines the use of MCTWIST in Monte Carlo simulation and quantifies for the first time the latent variance reduction resulting from exploiting cylindrical phase-space symmetry.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».