MétaCan
Menu
Retour à la cohorte
Enregistrement W4416588062 · doi:10.1088/1361-6560/ae237c

GATE 10 Monte Carlo particle transport simulation: II. Architecture and innovations

2025· article· en· W4416588062 sur OpenAlexafffund
Nils Krah, Nicolas Arbor, Thomas Baudier, Julien Bert, Konstantinos Chatzipapas, Martina Favaretto, H. Fuchs, Loïc Grevillot, Hussein Harb, Gert Van Hoey, Maxime Jacquet, Sébastien Jan, Yihan Jia, George C. Kagadis, Han Gyu Kang, Paul Klever, O. Kochebina, W. Krzemień, Lydia Maigne, Philipp Mohr, Guneet Mummaneni, V. Paneta, Panagiotis Papadimitroulas, Alexis Pereda, Axel Rannou, Andreas Resch, Emilie Roncali, Maxime Toussaint, Carlotta Trigila, Charalampos Tsoumpas, Jing Zhang, K. Ziemons, David Sarrut

Notice bibliographique

RevuePhysics in Medicine and Biology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiation Therapy and Dosimetry
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesErasmus+European Regional Development FundDirection Générale de l’offre de SoinsInstitut National Du CancerNatural Sciences and Engineering Research Council of CanadaEuropean CommissionFundacja na rzecz Nauki PolskiejInstitut National de la Santé et de la Recherche MédicaleAgence Nationale de la RechercheAustrian Science Fund
Mots-clésPython (programming language)Monte Carlo methodModular designInterface (matter)WorkflowDetectorVariance reductionScripting language

Résumé

récupéré en direct d'OpenAlex

Abstract Over the past years, we have developed GATE version 10, a major re-implementation of the long-standing Geant4-based Monte Carlo application for particle and radiation transport simulation in medical physics. This release introduces many new features and significant improvements, most notably a Python-based user interface replacing the legacy static input files. The new functionality of GATE version 10 is described in the part 1 companion paper (Sarrut et al 2025 arXiv:2507.09842). The development brought significant challenges. In this paper, we present the solutions that we have developed to overcome these challenges. In particular, we present a modular design that robustly manages the core components of a simulation: particle sources, geometry, physics processes, and data acquisition. The architecture consists of integrated C++ and Python codes. This framework allows for the precise, time-aware generation of primary particles, a critical requirement for accurately modeling positron emission tomography, radionuclide therapies, or prompt-gamma timing systems. We present how GATE 10 handles complex Geant4 physics settings while exposing a simple interface to the user. Furthermore, we describe the methodological solutions that facilitate the seamless integration of advanced physics models and variance reduction techniques. The architecture supports sophisticated scoring of physical quantities (such as Linear Energy Transfer and Relative Biological Effectiveness) and is designed for multithreaded execution. The new user interface allows researchers to script complex simulation workflows and directly couple external tools, such as artificial intelligence models for source generation or detector response. By detailing these architectural innovations, we demonstrate how GATE 10 provides a more powerful and flexible tool for research and innovation in medical physics. This paper is not intended to be a developer guide. Its purpose is to share with the research community in-depth explanations of our development effort that made the new GATE 10 possible.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,252
Score d'incertitude au seuil0,222

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 Opus0,117
Tête enseignante GPT0,402
Écart entre enseignants0,286 · 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'étudeObservationnel
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

Citations6
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysics in Medicine and BiologyMême sujetRadiation Therapy and DosimetryTravaux en français237 207