액체섬광검출용액의 구성 요소 판별 및 핵 입자 실험 데이터 획득 관련 저속 제어 시스템에서 합성 곱 신경망 적용 가능성 연구 (Feasibility Study of Convolutional Neural Networks for a Slow Control System and Fluor Discrimination in Emission Spectrum of Liquid Scintillator)

서지정보

· 발행기관 : 한국물리학회
· 수록지 정보 : 새물리 / 72권 / 8호 / 582 ~ 593페이지
· 저자명 : 최지원, 최지영, 장한일, 주경광

초록

본 논문은 사물 인터넷 기술과 기계 학습을 핵, 입자 실험의 데이터 획득 관련 저속 제어 시스템에 적용하였다. 합성곱 신경망을 이용하여 액체섬광검출 용액의 형광체 판별을 구축 응용의 한 예로 시도하였다. 실험실 수준에서, 액체섬광검출 용액의 형광 방출 성능에 큰 영향을 끼치는 인자들은 보고 되었지만 대형 실험의 극한 상황에서 장기간 성능 연구는 진행 중에 있다. 그 이유는 핵, 입자 실험 특성상 액체섬광검출 용액은 검출기 안에 밀봉되기 때문에 비침습적인 샘플 검사가 어렵기 때문이다. 특히 원자력 발전소 같은 방사선량이 아주 높은 극한 환경에서 액체섬광검출 용액의 장기적인 물리 화학적 안정성은 아직 보고되지 않았다. 방사능 위험 지역에 대한 접근은 많은 시간과 노력이 필요하다. 한편, 핵과 중성미자 간의 산란 단면적 추정 시, 계통 오차의 주된 요인은 중성미자 선속 정확도이다. 입자 붕괴를 통해 중성미자 발생과 측정이 간접적으로 이루어지기 때문에, 검출기 반응에 대한 감시 및 보정 목적의 저속 제어 시스템의 성능 향상이 요구된다. 현재까지 마이크로 컨트롤러의 경량화, 집적화, 그리고 사물 인터넷 기술이 발전하여 내장형 시스템의 경제성과 신뢰성이 크게 향상되었다. 그 결과로 연구자의 안전, 오랜 시간 극한 상황에서 액체섬광검출 용액의 환경 데이터 획득 및 향후 낮은 획득률을 가진 반도체 이미지 센서를 이용한 실험 비결 (know-how) 확보를 할 수 있을 것으로 기대한다.

영어초록

In this paper, we tried to estimate the fluor components of a liquid scintillator using a convolutional neural network (CNN) while applying and building the internet of things (IoT) and machine learning in a slow control system. Various factors affecting the fluorescent emission of liquid scintillators have been reported at the laboratory level. However, long-term performance studies are still ongoing under extreme environmental conditions in large-scale experiments beyond the laboratory level. Given the characteristics of neutrino experiments, the liquid scintillator is sealed inside the detector, making it difficult to observe non-invasive samples. In particular, the long-term physical and chemical stability of liquid scintillators in extreme environments with high radiation bombardment doses, such as nuclear power plants, has not been reported. Accessing a highly radioactive area requires considerable time and effort. In addition, the cost efficiency and reliability of embedded systems have improved with the development of microcontroller weight reduction, integration, and IoT technology. Therefore, researchers hypothesized that long-term liquid scintillators could ensure the operator’s safety and acquire environmental data under extreme conditions. Moreover, experimental know-how can be obtained by using low-gain semiconductor image sensors.

참고자료

· 없음