Machine Learning Classification for Irradiated Material Gamma Ray Spectra

Resumen Técnico: Clasificación mediante Aprendizaje Automático para Espectros de Rayos Gamma de Materiales Irradiados

Planteamiento del Problema
La identificación precisa y oportuna de materiales nucleares irradiados es un desafío crítico en la seguridad nuclear, el monitoreo ambiental y la verificación de salvaguardias. El análisis tradicional de rayos gamma depende de métodos de búsqueda de picos que requieren la intervención de expertos, una calibración de eficiencia precisa y un tiempo significativo, fallando a menudo al no aprovechar la forma completa de la estructura espectral de los datos. Si bien los avances recientes en el Aprendizaje Automático (ML) muestran una promesa notable para la espectroscopia automatizada, la literatura existente se centra predominantemente en la identificación de un solo isótopo o depende de conjuntos de datos simulados que carecen de la complejidad de las mediciones experimentales reales. Además, la clasificación de matrices ambientales activadas térmicamente por neutrones, donde las características espectrales evolucionan continuamente con el tiempo de enfriamiento post-irradiación, sigue siendo un vacío no abordado en la literatura de espectroscopia de ML. Este estudio aborda la necesidad de un flujo de trabajo de ML robusto y generalizable capaz de manejar tiempos de adquisición variables, resoluciones de detectores y la evolución espectral dinámica en conjuntos de datos experimentales.

Metodología
El estudio evalúa un flujo de trabajo completo de clasificación de ML aplicado a espectros de rayos gamma experimentales recolectados en dos instalaciones: el Instituto Tecnológico de Georgia y la Universidad de Texas en Austin (UT Austin). El conjunto de datos incluye fuentes de un solo isótopo (133Ba, 60Co, 137Cs, 152Eu, 22Na) y matrices ambientales certificadas por el NIST (carbón, suelo, hojas de tomate, óxido de uranio natural) irradiadas en el reactor TRIGA de UT Austin. Las mediciones se adquirieron simultáneamente utilizando tres tipos de detectores: Yoduro de Sodio (NaI(Tl)), Telururo de Cadmio y Zinc (CZT) y Germanio de Alta Pureza (HPGe).

La metodología emplea un riguroso flujo de preprocesamiento de cinco pasos diseñado para crear una representación de los espectros agnóstica al detector y físicamente significativa:

1. Normalización de Cuentas por Segundo (CPS): Convierte las cuentas brutas en tasas de conteo para dar cuenta de los tiempos de adquisición variables.
2. Interpolación: Remuestrea los espectros en una rejilla de energía común de 3001 puntos (0–3000 keV) para unificar los recuentos de canales entre detectores.
3. Normalización del Área Total: Divide por el área integrada para centrarse en la forma espectral en lugar de la intensidad absoluta.
4. Transformación Log1p: Comprime el rango dinámico entre los picos fotoeléctricos y el continuo Compton, manejando canales con conteo cero sin producir infinito negativo.
5. Aumento de Ruido de Poisson: Aplicado a los conteos enteros brutos antes del preprocesamiento para aumentar el tamaño efectivo del conjunto de entrenamiento preservando la estadística de conteo correcta.

La reducción de dimensionalidad se realiza mediante el Análisis de Componentes Principales (PCA), reteniendo suficientes componentes para explicar el 95% de la varianza (resultando en 4 componentes para isótopos individuales y de 4 a 13 para muestras irradiadas). Se evalúan tres clasificadores bajo una estrategia de Validación Cruzada de Dejar Uno Fuera (LOO-CV): Bosque Aleatorio (RF), Máquina de Vectores de Soporte (SVM) con un núcleo RBF, y k-Vecinos más Cercanos (KNN).

Contribuciones Clave
Este trabajo se distingue de la literatura existente a través de tres contribcciones:

1. Validación Experimental en Matrices Complejas: A diferencia de estudios previos que dependen de simulaciones o tareas de un solo isótopo, este trabajo evalúa la clasificación en espectros totalmente experimentales de matrices ambientales neutron-activadas sin utilizar datos simulados en su flujo de trabajo.
2. Manejo de la Evolución Temporal: Aborda la clasificación de espectros que cambian continuamente con el tiempo de enfriamiento post-irradiación, una dinámica que no había sido abordada previamente en la literatura de espectroscopia de ML.
3. Aumento de Datos Trans-Detector y Físicamente Motivado: El estudio permite la comparación directa de detectores CZT, HPGe y NaI utilizando flujos de trabajo idénticos. Además, aplica el aumento de ruido de Poisson a los conteos brutos en lugar de a las características procesadas, preservando la estadística física del proceso de medición.

Resultados

• Fuentes de Isótopo Único: Los tres clasificadores (RF, SVM, KNN) lograron una precisión observada perfecta (1.000) en todos los tipos de detectores, validando la capacidad del flujo de trabajo para distinguir picos fotoeléctricos bien resueltos.
• Muestras Irradiadas Complejas:
  • Detectores NaI y CZT: Los tres clasificadores lograron una precisión perfecta (1.000) y un Coeficiente de Correlación de Matthews (MCC) de 1.000 en las muestras irradiadas complejas.
  • Detector HPGe: RF y KNN lograron una precisión perfecta (1.000). El SVM logró una precisión de 0.974, con un único error de clasificación de un espectro de hoja de tomate adquirido cerca de los 2,000 minutos post-irradiación. Este error ocurrió porque el componente de vida corta 24Na decayó, causando que la forma espectral se asemejara al fondo; el margen de frontera del SVM fue menos tolerante a este desplazamiento que los métodos de ensamble (RF) o de vecinos (KNN).
• Fiabilidad Estadística: Los intervalos de confianza 95% de Clopper-Pearson indican que, si bien la precisión observada es alta, la precisión real de la población podría ser plausiblemente menor (por ejemplo, límites inferiores alrededor de 0.86–0.90) debido al pequeño tamaño de la muestra (5–8 espectros por clase).
• Confianza en la Predicción: El análisis de la confianza de la predicción reveló una divergencia entre la precisión y la fiabilidad. Por ejemplo, las mediciones de CZT de óxido de uranio con tiempos de conteo cortos (5 minutos) se clasificaron correctamente pero con una confianza media baja (0.642), lo que sugiere que, aunque la predicción fue correcta, era inestable y susceptible a perturbaciones.

Significancia y Reivindicaciones
Los autores presentan este trabajo como una prueba de concepto validada en lugar de un benchmark de rendimiento definitivo. El estudio establece una base generalizable de preprocesamiento y clasificación para conjuntos de datos experimentales de espectroscopia gamma caracterizados por variables en el número de canales, tiempos de adquisición e historias post-irradiación.

El artículo afirma modestamente que los resultados demuestran la viabilidad del flujo de trabajo para propósitos de prueba de concepto. La convergencia de tres algoritmos independientes (RF, SVM, KNN) hacia resultados similares respalda la afirmación de que el rendimiento observado refleja una separación genuina de las clases de muestras y no artefactos del pequeño conjunto de datos. Los autores señalan explícitamente que el flujo de trabajo fue entrenado y probado de forma independiente dentro de cada tipo de detector; la generalización trans-detector (entrenar en un detector, probar en otro) no fue evaluada y sigue siendo una pregunta abierta. El trabajo sirve como un paso fundacional hacia tareas de identificación más complejas, como los espectros de productos de fisión post-detonación, donde las ventanas de medición son más cortas y la identificación es crítica.