Gamma Neutron Radioactive Source Identification in Water Cherenkov Detectors
यह शोध पत्र प्रदर्शित करता है कि सांख्यिकीय ऊर्जा थ्रेशोल्डिंग को एक एन्सेम्बल मशीन लर्निंग मॉडल के साथ एकीकृत करने से वॉटर चेरेनकोव डिटेक्टरों में गामा-न्यूट्रॉन भेदभाव में महत्वपूर्ण सुधार होता है, जिससे 0.816 की सटीकता प्राप्त होती है और परमाणु सुरक्षा अनुप्रयोगों के लिए विकिरण पहचान क्षमताओं में वृद्धि होती है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप रात के समय एक विशाल, क्रिस्टल-साफ स्विमिंग पूल के पास खड़े हैं। यदि एक तेज़ गति वाला कण, जैसे कि एक छोटा ब्रह्मांडीय बुलेट, पानी के माध्यम से प्रकाश की गति से भी तेज़ दौड़ता है, तो वह नीली रोशनी की एक शॉकवेव (shockwave) बनाता है, जो बिल्कुल एक सोनिक बूम (sonic boom) की तरह होती है लेकिन फोटॉन्स से बनी होती है। इसे चेरेनकोव रेडिएशन (Cherenkov radiation) कहा जाता है, और वैज्ञानिक इन चमकों को पकड़ने के लिए पानी के विशाल पूलों का उपयोग डिटेक्टर के रूप में करते हैं। आमतौर पर, ये डिटेक्टर अंतरिक्ष से आने वाली ब्रह्मांडीय किरणों (cosmic rays) को पहचानने या न्यूट्रिनो जैसे रहस्यमय कणों का अध्ययन करने के लिए प्रसिद्ध हैं। लेकिन हाल ही में, वैज्ञानिक एक अलग सवाल पूछ रहे हैं: क्या ये वही पानी के पूल पृथ्वी पर मौजूद खतरनाक रेडियोधर्मी पदार्थों का पता लगाने में मदद कर सकते हैं? चुनौती यह है कि रेडियोधर्मी स्रोत अक्सर दो चीजों का मिश्रण भेजते हैं: गामा किरणें (जो उच्च-ऊर्जा वाली एक्स-रे की तरह होती हैं) और न्यूट्रॉन (जो तटस्थ कण हैं जो सीसे/लेड के माध्यम से भी चुपके से निकल सकते हैं)। लोगों को सुरक्षित रखने के लिए, सुरक्षा टीमों को इन दोनों के बीच तुरंत अंतर करना आवश्यक है। यदि डिटेक्टर को एक चमक दिखाई देती है, तो क्या यह सिर्फ एक हानिरहित गामा किरण है, या यह किसी छिपे हुए परमाणु स्रोत से निकलने वाला न्यूट्रॉन है?
यही वह पहेली है जिसे अर्जेंटीना, कोलंबिया और स्पेन के शोधकर्ताओं की एक टीम ने हल करने का प्रयास किया। वे देखना चाहते थे कि क्या एक मानक वॉटर चेरेनकोव डिटेक्टर एक स्मार्ट सुरक्षा गार्ड की तरह काम कर सकता है, जो महंगे या दुर्लभ उपकरणों की आवश्यकता के बिना गामा किरणों और न्यूट्रॉन के बीच अंतर कर सके। उन्होंने केवल अनुमान नहीं लगाया; उन्होंने एक दो-चरणीय "ट्रैफिक लाइट" प्रणाली बनाई। पहले, उन्होंने पुराने गणित का उपयोग करके एक सख्त ऊर्जा सीमा निर्धारित की: यदि प्रकाश की चमक बहुत कमजोर है, तो यह निश्चित रूप से केवल गामा किरणें हैं। यदि यह पर्याप्त शक्तिशाली है, तो यह एक न्यूट्रॉन हो सकता है। लेकिन चूंकि उच्च-ऊर्जा वाली गामा किरणें कभी-कभी न्यूट्रॉन जैसी दिख सकती हैं, इसलिए उन्होंने दूसरा, अधिक स्मार्ट चरण जोड़ा। उन्होंने एक कंप्यूटर प्रोग्राम (एक प्रकार का आर्टिफिशियल इंटेलिजेंस) को प्रकाश की चमक के सूक्ष्म "आकार" को देखने के लिए प्रशिक्षित किया। जिस तरह एक इंसान ध्वनि की बनावट को सुनकर ड्रमबीट और स्नेयर हिट के बीच अंतर कर सकता है, उसी तरह कंप्यूटर ने पल्स के वेवफॉर्म (waveform) का विश्लेषण करके न्यूट्रॉन सिग्नल और गामा सिग्नल के बीच अंतर करना सीखा।
टीम ने इस विचार का परीक्षण बारिलोचे, अर्जेंटीना में एक लैब में रखे शुद्ध पानी से भरे एक वास्तविक डिटेक्टर का उपयोग करके किया। उन्होंने अपने सिस्टम को प्रशिक्षित करने के लिए तीन अलग-अलग रेडियोधर्मी "खिलौनों" का उपयोग किया: कोबाल्ट-60 और सीज़ियम-137 (जो केवल गामा किरणें छोड़ते हैं) और एक अमेरिकियम-बेरिलियम स्रोत (जो न्यूट्रॉन और गामा दोनों छोड़ता है)। परीक्षण को निष्पक्ष बनाने के लिए, उन्होंने स्रोतों को विभिन्न सामग्रियों में लपेटा। कभी-कभी उन्होंने गामा किरणों को रोकने के लिए लेड (सीसा) का उपयोग किया, और अन्य बार उन्होंने न्यूट्रॉन को सोखने के लिए विशेष मोम और धातु की चादरों का उपयोग किया, जिससे वे ठीक से पहचान सकें कि डिटेक्टर वास्तव में क्या देख रहा है।
परिणाम उत्साहजनक थे। शोधकर्ताओं ने पाया कि उनके पहले चरण, "ट्रैफिक लाइट" गणित ने कम ऊर्जा वाली गामा किरणों को छानने में अच्छा काम किया। उन्होंने एक विशिष्ट ऊर्जा थ्रेशोल्ड (threshold) स्थापित किया: यदि सिग्नल एक निश्चित बिंदु (लगभग 9,000 डिजिटल चार्ज यूनिट) से नीचे था, तो वे सुरक्षित रूप से कह सकते थे, "यहाँ कोई न्यूट्रॉन नहीं है, बस गामा किरणें हैं।" हालांकि, मजबूत सिग्नलों के लिए जहाँ चीजें जटिल हो जाती थीं, केवल गणित पर्याप्त नहीं था। यहीं पर मशीन लर्निंग ने काम संभाला। उन्होंने एक "एन्सेम्बल" (ensemble) के रूप में तीन अलग-अलग AI मॉडलों को प्रशिक्षित किया—एक बैगिंग क्लासिफायर (Bagging classifier), एक कैट-बूस्ट (CatBoost) मॉडल और एक न्यूरल नेटवर्क—जो जजों के एक पैनल की तरह मिलकर काम करते हैं। अपने वोटों को मिलाकर, यह प्रणाली अंतर पहचानने में बहुत कुशल हो गई।
जब उन्होंने इस संयुक्त प्रणाली का परीक्षण एक मिश्रित सिग्नल (बिना किसी शील्डिंग के अमेरिकियम-बेरिलियम स्रोत) पर किया, तो AI ने सफलतापूर्वक न्यूट्रॉन फ्लैश को गामा फ्लैश से अलग कर दिया। सिस्टम ने लगभग 81.6% की सटीकता प्राप्त की, जिसका अर्थ है कि इसने लगभग 10 में से 8 बार कण के प्रकार की सही पहचान की। इससे भी अधिक प्रभावशाली बात यह है कि "एरिया अंडर द कर्व" (एक स्कोर जो यह मापता है कि सिस्टम दो प्रकारों को कितनी अच्छी तरह अलग करता है) 0.921 था, जो इस तरह के कठिन कार्य के लिए एक बहुत ही मजबूत स्कोर है। अध्ययन बताता है कि सरल सांख्यिकीय नियमों को आधुनिक AI के साथ जोड़कर, पानी के डिटेक्टर शक्तिशाली उपकरण बन सकते हैं। वे तेजी से खतरनाक पदार्थों की जांच कर सकते हैं, जिसमें पानी का उपयोग न्यूट्रॉन को धीमा करने के लिए और AI का उपयोग प्रकाश में लिखी कहानी को पढ़ने के लिए किया जाता है। हालांकि यह प्रणाली उच्च-ऊर्जा वाले स्रोतों के लिए सबसे अच्छा काम करती है और यदि डिटेक्टर बदलता है तो इसे पुन: कैलिब्रेट करने की आवश्यकता होती है, लेखक यह दर्शाते हैं कि यह दृष्टिकोण छिपे हुए विकिरण के खिलाफ पानी के टैंकों को स्मार्ट रक्षक बनाने का एक ठोस और स्केलेबल तरीका है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।