MétaCan
Menu
Retour à la cohorte
Enregistrement W4402834269 · doi:10.1109/nss/mic/rtsd57108.2024.10658270

Development of A Multi-Layer Silicon Betaray Spectrometer for CANDU Environment and Preliminary Characterization

2024· article· en· W4402834269 sur OpenAlexaffabout
Xudong Cheng, Brandon A. Dyer, Andrei Hanu, Soo Hyun Byun

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueParticle Detector Development and Performance
Établissements canadiensBruce Power (Canada)McMaster University
Organismes subventionnairesnon disponible
Mots-clésCharacterization (materials science)SiliconSpectrometerLayer (electronics)Materials scienceNuclear engineeringEnvironmental scienceOptoelectronicsNanotechnologyEngineeringOpticsPhysics

Résumé

récupéré en direct d'OpenAlex

To echo the growing demand of precise assessment dose to lens of eye from beta radiation at Canada Deuterium Uranium (CANDU) power planet, we present a silicon-based beta-ray spectrometer that is able to measure the in situ beta-ray fluence spectrum and real-time dose monitor with a high gamma rejection ratio avoiding overestimation of beta dose in the beta-gamma mix environment at CANDU sites. A prototype has been developed that features one 500 $\mu \mathrm{m}$ and three $1500 \mu \mathrm{m}$ silicon detectors in series to measure a beta energy range of 70 keV to 3000 keV using the $\Delta \mathrm{E}$ vs. E method, which enables temporal coincidence and energy logic for electron channel binning. GEANT4 simulation was extensively conducted for the geometric factors and instrument response functions to facilitate the instrument design and characterization. The silicon beta spectrometer prototype was characterized under a beta-gamma mixed field consisting of ${ }^{90} \mathrm{Sr}$ and ${ }^{137} \mathrm{Cs}$ sources to evaluate the beta/gamma discrimination ability. In this paper, we report the project motivation, hardware description, GEANT4 modeling and preliminary characterization of the prototype system.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,226
Score d'incertitude au seuil0,304

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,243
Écart entre enseignants0,220 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetParticle Detector Development and PerformanceTravaux en français237 207