Development of radiation source and shielding material shape distribution estimation technology under complicated radiation field

本研究の目的は、遠隔測定された放射線エネルギースペクトルデータおよび機械学習アルゴリズムを用いて、放射性物質の分布状況を精度よく推定できる解析システムを構築することにある。通常、機械学習では大量の学習データを入力して訓練する必要があるが、本研究では学習データをシミュレーションにより生成することにより、実際の測定では困難な多様なデータを準備することができる点が特徴である。本研究の成果は事故を起こした原子炉内の燃料デブリの様子や環境中に飛散した放射性セシウムの分布状況を知るために有用になると考えられる。初年度である2022年度は2次元に分散した放射性物質を対象にして、基本的なモデル構築を行うことを目指した。シミュレーションで生成した大量の学習データにより訓練されたニューラルネットワークに対して、実機によって得られた測定データを入力することで、放射線源の配置パターンを推定できることが確認された。その際に、シミュレーションによるスペクトルデータと測定により得られるスペクトルデータとの乖離を解消するために、相互にマッチングが取れる変換フィルターを開発している。この変換フィルターにより、精度が非常に向上することが確かめられた。なお、シミュレーションにおいても、多くの配置パターンに対するスペクトルデータを計算することは時間がかかってしまう。そのため、個々の放射線源からのスペクトルを計算しておき、配置パターンが指示されるとスペクトルの合成が行えるコードの開発に取り組んだ。その結果、放射線源とスペクトル検出面の間の遮蔽体の効果が低い場合には実用化できることを確認している。以上のように2次元面内での放射性物質分布推定について、基本的なモデル構築ができたと考えられることから、これを足がかりとして3次元に配置された放射線源の分布推定技術の開発に進むことができる段階になったと考えている。

本研究の目的は、遠隔測定された放射線エネルギースペクトルデータおよび機械学習アルゴリズムを用いて、放射性物質の分布状況を精度よく推定できる解析システムを構築することにある。通常、機械学習では大量の学習データを入力して訓練する必要があるが、本研究では学習データをシミュレーションにより生成することにより、実際の測定では困難な多様なデータを準備することができる点が特徴である。本研究の成果は事故を起こした原子炉内の燃料デブリの様子や環境中に飛散した放射性セシウムの分布状況を知るために有用になると考えられる。初年度である2022年度は2次元に分散した放射性物質を対象にして、基本的なモデル構築を行うことを目指した。シミュレーションで生成した大量の学習データにより訓練されたニューラルネットワークに対して、実機によって得られた測定データを入力することで、放射線源の配置パターンを推定できることが確認された。その際に、シミュレーションによるスペクトルデータと測定により得られるスペクトルデータとの乖離を解消するために、相互にマッチングが取れる変換フィルターを開発している。この変換フィルターにより、精度が非常に向上することが確かめられた。なお、シミュレーションにおいても、多くの配置パターンに対するスペクトルデータを計算することは時間がかかってしまう。そのため、個々の放射線源からのスペクトルを計算しておき、配置パターンが指示されるとスペクトルの合成が行えるコードの開発に取り組んだ。その結果、放射線源とスペクトル検出面の間の遮蔽体の効果が低い場合には実用化できることを確認している。以上のように2次元面内での放射性物質分布推定について、基本的なモデル構築ができたと考えられることから、これを足がかりとして3次元に配置された放射線源の分布推定技術の開発に進むことができる段階になったと考えている。