Multiple-scattering muography of a thick-walled spent-fuel cask: A high-statistics Geant4 simulation
Notice bibliographique
Résumé
Multiple-scattering muography is a passive, non-destructive technique for assessing spent-fuel dry-storage casks. A key challenge is to quantify where and how muons interact inside such a cask, for instance, the CASTOR® V/19, and to translate those interactions into practical guidance for detector layout and reconstruction algorithms. A detailed Geant4 model of a fully loaded CASTOR V/19 cask with four ideal tracking planes was simulated with 50×106 atmospheric-muon tracks. Three analysis observables were defined: Total material crossings Nhit, hard-scatter count Nint, and the integrated root mean square (rms) scattering angle Δθrms. These metrics build an interaction taxonomy allowing to connect muon tracks to detector and algorithm requirements. We find that of the incident muons, 36% traversed the shielding, yielding 18.4×106 reconstructed trajectories. Each transmitted track intersected on average 15.5 (±9.4) fuel rods and 2.2 (±1.1) fuel assemblies, generating more than 11×107 fuel-rod crossings for statistical analysis. Bottom-exiting tracks, ≈87% of which interacted with fuel, carried the highest information content. The interaction taxonomy links regimes of Nint to a reconstruction algorithm choice, and it informs detector placement. These results provide a quantitative baseline for optimizing detector geometry and reconstruction strategy in CASTOR V/19 muography.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».