3D-Printed Modular Radiation Sources for Testing Radiation Detectors and Advancing Radioisotopes Identification Algorithms
Notice bibliographique
Résumé
The international radiological and nuclear (RN) community recognizes improvised nuclear devices (INDs) as a significant security threat. To maintain border security, efficient and reliable detection solutions at points of entry are critical. Screening of containerized cargo for INDs and RN materials is primarily done using drive-through radiation portal monitors (RPMs). Globally, advanced computing algorithms, including machine learning and data analytics, are being developed and enhanced to improve the consistency and accuracy of RN material identification. However, these data analytics algorithms require augmentation with true positive scan data covering the full threat space, including scenarios involving INDs of varying intensities and shielding configurations. Due to the strict controls on large quantities of special nuclear materials in diverse geometries and isotopic compositions, many RPMs and portable detectors have been deployed without adequate testing against realistic IND threats. This has led to high false alarm rates, requiring time-consuming secondary screenings, and may also increase the probability of false negatives, allowing real threats to go undetected. Conversely, training algorithms using full-mass INDs introduce nuclear criticality risks. In this paper we present a 3D-printed radiation source designed to mimic high-mass solid INDs by distributing the radioactive material along a thin, hollow shell. Thanks to the self-shielding effect, the 3D-printed radiation source achieves radiological performance comparable to that of a solid high-mass source with less material. This approach offers a solution to challenges related to source availability and nuclear criticality in training environments. A scaled-down prototype was fabricated, and its radiological performance was experimentally evaluated.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».