Henkilödosimetrin rakenne ja toiminta
Bibliographic record
Abstract
Tässä kandidaatintyössä esitellään neljä Euroopassa käytetyintä dosimetriteknologiaa: termoluminenssi-dosimetri (TLD), optisesti stimuloitu luminenssidosimetri (OSLD), filmidosimetri, suora ionivarasto (DIS), sekä puolijohdeilmaisimeen perustuva elektroninen dosimetri. Jokainen näistä dosimetriteknologioista toimii eri tavalla, mikä mahdollistaa aina parhaiten tarkoitukseen soveltuvan teknologian valinnan. Työssä esitellään kunkin dosimetriteknologian rakenne, fysikaalinen toimintaperiaate sekä dosimetriin aiheutuneen säteilyannoksen luentaprosessi. \n \nSuomessa on vuonna 2024 käytössä viisi ydinvoimalaa, joista kaksi sijaitsee Loviisassa ja kolme Olkiluodossa Eurajoella. Kaikissa Suomen ydinvoimaloissa käytetään päivittäiseen henkilökohtaiseen annostarkkailuun passiivista TLD:tä sekä elektronista dosimetriä. Elektronisen dosimetrin käyttö mahdollistaa säteilytyöntekijän säteilyannoksen reaaliaikaisen seurannan sekä hälyttää, jos annosnopeus ylittää ennalta asetetun rajan. Nämä parantavat merkittävästi säteilytyöntekijän turvallisuutta. \n \nVaikka dosimetriteknologiat ovat olleet käytössä jo pitkään, niitä kehitetään jatkuvasti. Kehitystyön tavoitteena on tuottaa entistä tarkempia ja kestävämpiä dosimetrejä sekä paremmin eri käyttötarkoituksiin soveltuvia dosimetrejä. Työssä esitellään jokaisesta dosimetriteknologiasta muutamia esimerkkejä tehdyistä tai tekeillä olevista tutkimuksista ja kehitystoimista.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.010 | 0.010 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.003 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.054 | 0.418 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".