Computational evaluation of a novel beta radiation probe design using integrated circuits
Notice bibliographique
Résumé
Abstract Researchers at Texas A&M University (TAMU) have designed the radiation integrated circuit (RIC) for deployment as a new radiation detection system. Most integrated circuits are susceptible to radiation-induced failures, and decades of research have gone into solving this problem. Research at TAMU has led to a novel integrated circuit design that utilizes both radiation-hardened areas (RHAs) and radiation-sensitive areas (RSAs) to take advantage of these failures. The RSAs are susceptible to charged particle interactions, allowing the RIC to detect alpha and beta particles. However, beta particles are more penetrating compared to alpha particles, resulting in a lower interaction probability for beta particles incident on a bare RIC. In any material, the higher the beta energy, the deeper the beta particle can penetrate; therefore, the use of a wedge-shaped attenuator for beta particle detection not only increases interaction probability, but also provides the capability to perform maximum beta energy discrimination in the field. The objective of this research was to optimize the design of the RIC. Monte Carlo N-particle radiation transport code (MCNP) simulations assessed the beta particle detection and maximum energy discrimination performance of plate glass, borosilicate (Pyrex®) glass, acrylic (Lucite®), and natural rubber attenuators. In this proof-of-concept analysis, natural rubber was observed to be the optimal attenuating material for the beta probe with respect to maximum energy discrimination capability and weight, but all materials considered proved to be good candidates. The results of this study are promising and indicate the potential to achieve maximum beta particle energy discrimination of 50 keV using a wedged, natural rubber attenuator on the RIC.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».