Machine learning inference of fission yields from gamma spectroscopy for very low-yield nuclear test verification

本文表明，基于高保真模拟伽马能谱数据训练的机器学习模型能够准确分类和估算极低当量核试验的裂变产额，为验证《全面禁止核试验条约》的零当量标准提供了可行的技术方案。

要点

想象这样一个世界：各国已承诺不建造或试验核弹。为履行这一承诺，它们商定了一项“零当量”规则：任何实验都不允许产生自持核链式反应，哪怕极其微小。

问题在于：要证明某人没有进行微小、秘密的试验，难度极大。如果一个国家用常规炸药压缩少量钚，仅使少数原子发生裂变，其声响可能不足以被听见，产生的放射性尘埃也可能微弱到用标准工具无法察觉。这就像试图在黑暗嘈杂的房间里找到一枚掉落的硬币。

本文提出了一种利用机器学习（AI）和伽马能谱学（一种测量放射性光的方法）来寻找那枚“硬币”的新途径。

以下是研究人员所做工作及发现的核心要点：

1. “数字时光机”

由于我们无法实际引爆微型核装置来测试探测器，研究人员构建了一个庞大的数字模拟系统。

• 他们创建了一个包含6600 万种不同情景的虚拟世界。
• 他们模拟了所有变量：不同数量的钚、容纳试验容器的不同尺寸、进行测量的不同时间，以及数据中不同量的“噪声”。
• 这就像通过向侦探展示电子游戏中的 6600 万个不同犯罪现场来训练他们，使其确切了解何为“有罪”的现场。

2. 试验的“指纹”

当核试验发生时，会留下特定混合的放射性粒子（裂变产物）和残留的钚。这些粒子会发射伽马射线（不可见光），如同条形码一般。

• 研究人员观察了裂变产物“条形码”与残留钚“条形码”之间的比率。
• 他们意识到，尽管许多因素（如容器壁的厚度）可能会模糊这一条形码，但特定光谱线之间的比率仍保留着关于爆炸规模的关键秘密。

3. AI 侦探

研究团队训练了一种特定类型的 AI（称为XGBoost，它像一位极其敏锐、条理分明的决策者），使其能够审视这些伽马射线条形码，并回答两个问题：

1. “停/行”问题（分类）： 试验是否超过了特定限制（例如 1 千克 TNT 当量）？
2. “有多大？”问题（回归）： 试验释放的能量究竟有多少？

4. 结果：AI 的表现令人惊讶地出色

AI 的表现如同一位冠军侦探：

• 针对“停/行”问题： 它极其准确。如果试验略高于或低于限制（例如 1 千克 TNT），AI 能以超过**95%**的准确率区分差异。这就像一名保安几乎能完美分辨 1 磅和 1.1 磅的包裹。
• 针对“有多大？”问题： 即使测量是在试验后一个月或一年进行的，它也能以极小的误差范围（平均偏差约 12%）估算爆炸规模。

5. 这对未来的意义

本文指出，虽然现行规则侧重于反应是否“自持”（这是一个难以直接测量的物理概念），但基于当量限制（例如“禁止超过 1 克 TNT 当量的试验”）来执行规则可能更简单、更有效。

AI 表明，我们在技术上可以验证这些微小限制。如果各国商定一个具体限制，这套 AI 系统就能充当“真相讲述者”，核查是否有人违反了规则，即使爆炸规模小到传统方法无法察觉。

简而言之： 研究人员构建了一个超级智能的 AI，其训练数据来自 6600 万次模拟核试验。他们发现，该 AI 能够分析残留的放射性尘埃，准确判断是否发生了秘密的微型核试验及其规模，从而为维持全球核试验禁令的诚信提供新工具。

技术摘要

技术摘要：基于伽马能谱的裂变产额机器学习推断用于极低当量核试验核查

问题陈述
《全面禁止核试验条约》（CTBT）及现有的试验暂停状态依赖于“零当量标准”，该标准禁止任何产生自持裂变链式反应的爆炸实验，但允许严格次临界的实验。一个重大的核查挑战来自于“极低当量”试验（从次临界到勉强超临界），其当量可能低至毫克级 TNT 当量。虽然对试验后碎片的现场伽马能谱分析提供了潜在的洞察，但传统的分析方法因混杂因素而难以推断当量或临界水平：临界水平（$\alpha(t)$）不会产生区别于当量的直接光谱特征；且测量到的光谱受到诸多未知参数的严重影响，例如试验后经过的时间、屏蔽效应、钚质量以及试验前的临界配置。因此，检查员缺乏稳健的、数据驱动的方法来区分合规的次临界试验与不合规的超临界试验，或高置信度地估算实际当量。

方法论
作者提出了一种机器学习（ML）方法，通过模拟伽马能谱数据推断裂变当量，从而绕过对复杂物理参数进行显式解析反演的需求。

1. 数据生成：

   • 模拟框架：作者利用高保真三维蒙特卡洛粒子输运模拟（OpenMC），结合燃耗代码（ONIX）和衰变建模（decaypy）。
   • 场景：生成了 6600 万个光谱数据集，代表广泛的极低当量试验场景。
   • 参数：模拟变化了关键参数，包括当量（0.1 毫克至 1 吨 TNT）、试验后时间（30–365 天）、容器屏蔽厚度（3–8 厘米）、钚质量（0.15–3 千克）以及试验前组件配置（实心球体与壳层）。
   • 探测器建模：在距离容器 20 厘米处对高纯锗（HPGe）探测器进行建模，纳入真实的脉冲高度计数和高斯能量展宽。添加了统计噪声（泊松涨落）以模拟现实世界的计数条件。

2. 特征工程：

   • 作者未使用原始光谱，而是提取了 82 个裂变产物与钚 -239 的峰比值。这种基于物理的方法旨在减轻空间碎片分布和屏蔽的影响，假设裂变产物和钚的分布相似。
   • 不可探测的峰（低于 Currie 探测限）被设为零，且钚 -239 参考线不可探测的光谱被排除。

3. 机器学习模型：

   • 任务：本研究解决了两个任务：（1）二分类（确定当量是否超过特定阈值）和（2）回归（估算实际当量值）。
   • 算法：比较了六种机器学习方法：XGBoost（极端梯度提升）、随机森林（RF）、决策树（DT）、多层感知机（MLP）、K 近邻（KNN）和支持向量分类器（SVC）。
   • 训练策略：模型使用 5 折分层交叉验证进行训练。超参数通过随机搜索进行优化。作者研究了训练数据范围（窄范围与宽范围）的影响，以及将辅助参数（时间、屏蔽、质量）作为输入特征的纳入情况。

主要贡献

• 数据集创建：生成了包含 6600 万个模拟伽马光谱的大规模高保真数据集，覆盖了关键的 1 克至 100 千克 TNT 当量窗口，这对于验证零当量标准和潜在当量阈值至关重要。
• 核查中的机器学习应用：首次将机器学习方法（特别是梯度提升）应用于从极低当量核试验核查背景下的试验后伽马能谱中推断裂变当量。
• 特征重要性分析：利用 SHAP（Shapley 加法解释）值识别最具信息量的伽马射线峰比值（例如 Nb-95、Ru-106 和 511 keV 湮灭线），这些比值驱动了模型预测，提供了物理可解释性。
• 训练策略见解：分析表明，虽然将已知参数（如时间或质量）作为特征添加可以在特定当量区间内提高性能，但这引入了对检查员知识的依赖。该研究主张采用保守的训练策略，使用广泛的参数范围，以确保在未知此类参数时模型的稳健性。

结果

• 模型性能：
  • 分类：XGBoost 在所有测试的当量阈值（1 克至 100 千克 TNT）上均优于其他方法。分类器实现了高准确率，对于 100 克至 1 千克 TNT 之间的阈值，F1 分数超过 0.99。误分类率高度集中在决策边界附近，对于显著高于或低于阈值的当量，误分类率降至接近零。
  • 回归：回归模型在试验后一个月至一年的测量中，实现了 12.4% 的平均绝对相对误差。约 80% 的预测落在 -16.5% 至 +19.7% 的相对误差范围内。
• 特征缩减：在较低当量阈值下，基于缩减特征集（前 20 个或前 3 个 SHAP 排名的比值）训练的模型保持了与全 82 特征模型相当的性能，尽管仅使用前 3 个特征时，在较高阈值下性能略有下降。
• 参数敏感性：
  • 时间：对于低当量，等待时间越长，可探测性越低；对于高当量，等待时间越长，随着钚谱线从裂变产物背景中显现，可探测性提高。
  • 屏蔽：增加的屏蔽降低了低当量的性能，但对高当量的影响微乎其微。
  • 钚质量：由于质量隐含地编码在峰比值中，模型相对于质量表现出非单调的性能。
• 训练范围：在更广泛的参数范围内训练通常能防止在测试未见过的区域时性能下降，而狭窄的训练范围则导致外推能力差。

意义与主张
该论文声称，利用机器学习从伽马能谱数据中推断过去极低当量核试验的当量是可行且准确的。具体而言：

• 所提出的方法可以高置信度地可靠分类试验是否超过了选定的当量阈值（例如 1 千克 TNT），即使在事件发生数月之后。
• 虽然目前的零当量标准侧重于临界性（这很难直接从光谱中推断），但准确估算当量的能力提供了一条途径，可以缩小临界水平的估计范围，从而支持合规性核查。
• 作者建议，基于当量阈值的核查制度（例如禁止超过 1 克 TNT 的试验）在技术上可能比目前的零当量标准更易于核查，从而可能促进《全面禁止核试验条约》的生效。
• 该研究强调，这种方法并非独立解决方案，而应与其他核查方法（例如卫星图像、透明度措施）相结合，且机器学习模型依赖于模拟数据，未来的工作需要通过迁移学习纳入实验数据。

作者保持了谦逊的语气，指出虽然技术能力已经存在，但核查的政治和地缘政治背景仍然是一个独立的、关键的挑战。他们并未声称要解决零当量标准本身的模糊性，而是提供一种技术工具，可为关于其解释及建立稳健核查协议的讨论提供参考。