AI超解像技術を駆使した高速中性子イメージング

本研究では、通常の中性子イメージングで取得されるデジタル画像に対して、深層学習によるバーテックス位置の推定を行うことで解像度をエンハンスする、「AI超解像」技術を応用する。入射中性子はCMOS表面にコーティングされた厚さ200 nmの 10B層で捕獲反応(n+10B→7Li+α)を起こし、二次粒子である 7Liとα粒子がシリコン層で電離反応によるトラック(~5 μm)を残す。シリコン層に電圧を印加することで、生成したチャージをピクセル(~10 μm角)までドリフトさせ、アンプして電圧信号として読み出す。生成されたばかりのチャージは1ピクセルと同程度もしくはそれ以下のサイズであるものの、ピクセルへのドリフト中に拡散及びクーロン反発(空間電荷効果)が発生して数ピクセルの幅に広がってしまうため、空間分解能は通常数十μmとなる。従来は、チャージクラスタ(「粗視画像」)の重心を用いてバーテックス位置を推定する手法が一般的であった。本研究ではインプットとなるトラック情報をモンテカルロシミュレーションにより生成し、電荷輸送を追跡する数値シミュレーションと合わせることでトラックに対応するチャージクラスタの分布を得た。これらのデータセットを学習することでバーテックス位置を更に高い分解能で推定するソフトウェア開発のアウトラインを完了した。

本研究では、通常の中性子イメージングで取得されるデジタル画像に対して、深層学習によるバーテックス位置の推定を行うことで解像度をエンハンスする、「AI超解像」技術を応用する。入射中性子はCMOS表面にコーティングされた厚さ200 nmの 10B層で捕獲反応(n+10B→7Li+α)を起こし、二次粒子である 7Liとα粒子がシリコン層で電離反応によるトラック(~5 μm)を残す。シリコン層に電圧を印加することで、生成したチャージをピクセル(~10 μm角)までドリフトさせ、アンプして電圧信号として読み出す。生成されたばかりのチャージは1ピクセルと同程度もしくはそれ以下のサイズであるものの、ピクセルへのドリフト中に拡散及びクーロン反発(空間電荷効果)が発生して数ピクセルの幅に広がってしまうため、空間分解能は通常数十μmとなる。従来は、チャージクラスタ(「粗視画像」)の重心を用いてバーテックス位置を推定する手法が一般的であった。本研究ではインプットとなるトラック情報をモンテカルロシミュレーションにより生成し、電荷輸送を追跡する数値シミュレーションと合わせることでトラックに対応するチャージクラスタの分布を得た。これらのデータセットを学習することでバーテックス位置を更に高い分解能で推定するソフトウェア開発のアウトラインを完了した。