A New Momentum-Integrated Muon Tomography Imaging Algorithm
Notice bibliographique
Résumé
For decades, the application of muon tomography to spent nuclear fuel (SNF) cask imaging has been theoretically evaluated and experimentally verified by many research groups around the world, including Los Alamos National Laboratory in the United States, Canadian Nuclear Laboratory in Canada, the National Institute for Nuclear Physics in Italy, and Toshiba in Japan. Although monitoring of SNF using cosmic ray muons has attracted significant attention as a promising nontraditional nondestructive radiographic technique, the wide application of muon tomography is often limited because of the natural low cosmic ray muon flux at sea level: 100 m-2min-1sr-1. Recent studies suggest measuring muon momentum in muon scattering tomography (MST) applications to address this challenge. Some techniques have been discussed; however, an imaging algorithm for momentum-coupled MST had not been developed. This paper presents a new imaging algorithm for MST which integrates muon scattering angle and momentum in a single M-value. To develop a relationship between muon momentum and scattering angle distribution, various material samples (Al, Fe, Pb, and U) were thoroughly investigated using a Monte Carlo particle transport code GEANT4 simulation. Reconstructed images of an SNF cask using the new algorithm are presented herein to demonstrate the benefit of measuring muon momentum in MST. In this analysis a missing fuel assembly (FA) was located in the dry storage cask.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».