MétaCan
Menu
Retour à la cohorte
Enregistrement W4409225777 · doi:10.1088/1742-6596/2973/1/012013

Monte Carlo simulation of nanolayer shielding for 1 MeV photon and neutron particle

2025· article· en· W4409225777 sur OpenAlexaff
Sitti Yani, Khusniatun Nikmah, Duong Thanh-Tai, Abd. Djamil Husin, Akhiruddin, Idam Arif

Notice bibliographique

RevueJournal of Physics Conference Series · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiation Therapy and Dosimetry
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésElectromagnetic shieldingMonte Carlo methodPhotonNeutronPhysicsNuclear physicsMonte Carlo method for photon transportComputational physicsDynamic Monte Carlo methodDirect simulation Monte CarloOpticsQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

Abstract The aim of this research is to evaluate nanolayer materials used to attenuate photons and neutrons with an energy of 1 MeV using a Monte Carlo simulation, PHITS. These attenuators are materials with good cross-sections for photons and neutrons, namely iron, lead, and tungsten. This material is designed as a nanolayer between the main shielding material, which is an aluminum alloy with a wafering structure (Al alloy-nanolayer-Al alloy). The overall shield thickness (Al Alloy+ nanolayer) was maintained at a maximum value of 3 mm with variations in the thickness on the nanolayer scale and number of nanolayer surfaces to produce the least primary and secondary particle intensity (flux) in the detector placed after the shield. The results obtained show that the presence of nanolayers can reduce photon and neutron particles in the detector with smaller secondary particle intensities when the number of nanolayers is increased. The effectiveness of photon shielding is strongly influenced by the electron density of the shielding material; however, this is not the case for neutron shielding.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,028
Tête enseignante GPT0,313
Écart entre enseignants0,285 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Physics Conference SeriesMême sujetRadiation Therapy and DosimetryTravaux en français237 207