MétaCan
Menu
Retour à la cohorte
Enregistrement W4403287662 · doi:10.1016/j.jclepro.2024.143910

Simplified efficiency calibration methods for scintillation detectors used in nuclear remediation

2024· article· en· W4403287662 sur OpenAlexaff
V. V. Golovko

Notice bibliographique

RevueJournal of Cleaner Production · 2024
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueRadiation Detection and Scintillator Technologies
Établissements canadiensCanadian Nuclear Laboratories
Organismes subventionnairesnon disponible
Mots-clésCalibrationEnvironmental remediationEnvironmental scienceScintillationDetectorNuclear engineeringLiquid scintillation countingProcess engineeringWaste managementNuclear physicsRadiochemistryPhysicsEngineeringChemistryContaminationOptics

Résumé

récupéré en direct d'OpenAlex

Our study introduces innovative methods to address waste reduction and enhance resource efficiency in nuclear cleanup processes. We focus on sustainable nuclear technology, aligning with goals for cleaner production and environmental protection. We developed two novel methods, termed "oversimplified" and "simplified," for easily determining the photopeak efficiency of NaI(Tl) scintillation detectors. These methods, along with a "general" solution method, were validated with calibrated radioactive sources such as 241Am, 57Co, 133Ba, 137Cs, and 60Co, and were used to commission a NaI(Tl) scintillation detector system at Chalk River Laboratories (CRL) for nuclear remediation. The system demonstrated high accuracy, making it suitable for screening unstable isotopes at contaminated sites. This screening tool significantly reduces the number of soil samples requiring detailed characterization, thereby lowering operational costs. The NaI(Tl) detector system was calibrated for near-contact geometry, which is commonly used at CRL. Detection limits were established for this configuration. By improving the efficiency calibration of scintillation detectors, our study advances sustainable nuclear remediation practices, promoting environmental sustainability and cleaner production processes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,010
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,021
Tête enseignante GPT0,335
Écart entre enseignants0,314 · 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 source (Gemma direct ou Codex distillé), 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
GenreMéthodes

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

En bref

Citations7
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cleaner ProductionMême sujetRadiation Detection and Scintillator TechnologiesTravaux en français237 207