Development of Radiation-Distribution Estimation-System with Higher Precision Using Deep Neural Networks and Photon Transport Simulator and Its Implementation on Edge Device

利用深度神经网络和光子传输模拟器的更高精度辐射分布估计系统的开发及其在边缘设备上的实现

• 批准号: 20K11991
• 负责人: 藤本 憲市
• 金额: $ 2.75万
• 依托单位: Kagawa University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2020
• 资助国家: 日本
• 起止时间: 2020-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20K11991/
• 关键词: 放射線強度分布推定; 光子飛跡シミュレーション; 深層ニューラルネットワーク; 敵対的生成ネットワーク; データ拡張; 光子飛跡計算; 深層学習

光子飛跡シミュレータ及び機械学習システムを効果的に利用し，土壌内の放射能深度分布を高精度に推定できるシステムを開発することが本研究の目的である。令和3年度，条件付き敵対的生成ネットワークを用いて，ある単一層にのみに放射線源を仮想配置した場合の光子飛跡シミュレーションデータ（仮想放射線センサにて測定される放射線エネルギースペクトル）を約１２万個に拡張した。令和４年度は，令和3年度に作成した単一層のデータセットに対して演算処理等を施すことにより，放射線源を複数層（２又は３層）に仮想配置した場合の放射線エネルギースペクトルデータセットを作成した。これらのデータセットに対して，令和３年度に構築した畳み込み型深層ニューラルネットワークによる放射線強度分布推定実験を実施した。その結果，放射線源を複数層に配置した場合の放射線エネルギースペクトルに対しては高い推定精度（正解率）が得られなかったため，放射線強度分布推定用深層ニューラルネットワークの改築を行った。一部の放射線エネルギースペクトルデータセットに対する学習を通じて放射線強度分布推定精度が向上する深層ニューラルネットワークの構造を試行錯誤的に見出し，その後，深層ニューラルネットワークのファインチューニングを実施した結果，放射線源が単一層又は複数層（２又は３層）に存在する場合の放射線エネルギースペクトルデータセットに対して９８％の正解率を得た。上記研究成果の一部を国際会議にて口頭発表した。

Photons fly trace シ ミ ュ レ ー タ and び mechanical learning シ ス テ ム を unseen fruit に using し, soil 壌 を の radioactivity depth distribution in high precision に presumption で き る シ ス テ ム を open 発 す る こ と が の purpose this study で あ る. Make and 3 year, the condition to pay き against the generation of seaborne ネ ッ ト ワ ー ク を with い て, あ る 単 layer に の み に radiation source を 仮 want to configure し た occasions の photons fly trace シ ミ ュ レ ー シ ョ ン デ ー タ (仮 think radiation セ ン サ に て determination さ れ る radiation エ ネ ル ギ ー ス ペ ク ト ル) about 120000 に を company, zhang し た. Keep は and 4 year, make and 3 year に し た 単 layer の デ ー タ セ ッ ト に し seaborne て calculus 処 and を shi す こ と に よ り, radiation source を plural layer (layer 2 and は 3) に 仮 want to configure し た occasions の radiation エ ネ ル ギ ー ス ペ ク ト ル デ ー タ セ ッ ト を made し た. こ れ ら の デ ー タ セ ッ ト に し seaborne て, make and 3 year に build し た 畳 み 込 み type deep ニ ュ ー ラ ル ネ ッ ト ワ ー ク に よ る radiation intensity distribution presumed to be 験 を be applied し た. そ の as a result, the radiation source を plural layers に configuration し た occasions の radiation エ ネ ル ギ ー ス ペ ク ト ル に し seaborne て は い presumed high precision (positive solution rate) が ら れ な か っ た た め, presumption radiation intensity distribution with deep ニ ュ ー ラ ル ネ ッ ト ワ ー ク の line to build を っ た. A の radiation エ ネ ル ギ ー ス ペ ク ト ル デ ー タ セ ッ ト に す seaborne る learning を tong じ て radiation intensity distribution presumption of precision が す up deep る ニ ュ ー ラ ル ネ ッ ト ワ ー ク の tectonic を trial error に see し, そ の after deep ニ ュ ー ラ ル ネ ッ ト ワ ー ク の フ ァ イ ン チ ュ ー ニ ン グ を be applied し た results, Radiation source が 単 layers and は plural layer (layer 2 and は 3) に す る occasions の radiation エ ネ ル ギ ー ス ペ ク ト ル デ ー タ セ ッ ト に し seaborne て 98% positive の solution rate を た. The above record of research results is a を international conference にて oral presentation た.

项目成果

Development of CNN to Estimate Depth Distribution Spectrometry of Soil

CNN 的发展来估计土壤的深度分布光谱

• 发表时间: 2023
• 作者: Mohd Azam Bin Mohd Pauzi;Takuto Umemoto;Ken'ichi Fujimoto;Minoru Sakama;Kazumasa Inoue;Masahiro Fukushi;Yusuke Imajyo;Michitaka Endo
• 通讯作者: Michitaka Endo

条件付き敵対的生成ネットワークによる放射線スペクトルデータの生成

使用条件生成对抗网络生成辐射光谱数据

• 发表时间: 2021
• 作者: K. Takahashi;N. Kita;M. Sasaki;M. Hashimoto;梅本 拓登，藤本 憲市，阪間 稔，井上 一雅，福士 政広，今城 裕介，福原 隆宏，遠藤 倫崇
• 通讯作者: 梅本 拓登，藤本 憲市，阪間 稔，井上 一雅，福士 政広，今城 裕介，福原 隆宏，遠藤 倫崇

放射能濃度深度分布推定のための深層学習データ生成法

估算放射性浓度深度分布的深度学习数据生成方法

• 发表时间: 2020
• 作者: 小嶋健太;小野功;梅本拓登，鈴木順也，大林史乃，藤本憲市，阪間 稔，井上一雅，福士政広，今城裕介，福原隆宏，遠藤倫崇
• 通讯作者: 梅本拓登，鈴木順也，大林史乃，藤本憲市，阪間 稔，井上一雅，福士政広，今城裕介，福原隆宏，遠藤倫崇