来源：期刊VIP网 时间：
作者：张永强;胡立群;芦伟;许明远;张宇博;
单位：中国科学院合肥物质科学研究院等离子体物理研究所;中国科学技术大学研究生院科学岛分院;合肥综合性国家科学中心能源研究院;安徽大学物质科学与信息技术研究院;
摘要：本文提出了一种基于生成对抗网络(GAN)的神经网络模型,用于反解中子能谱。该模型通过优化生成器和判别器的设计,实现了中子能谱的高精度重建,克服了传统解谱算法对先验知识的依赖。研究中使用Geant4模拟EJ301液体闪烁体探测器的中子能量响应,构建了包含20 000个样本的数据集用于神经网络的训练。通过使用~(252)Cf和~(241) Am-Be放射源的中子能谱验证了所提出的神经网络解谱算法。实验结果表明,该神经网络模型能够在6 keV能量分辨下生成精确的中子能谱数据,并通过Q_s品质因子的评估证明了生成的中子能谱与目标能谱基本一致。
关键词：EJ301;;响应矩阵;;Geant4;;中子能谱;;生成式对抗神经网络
基金资助：安徽省教育厅科研基金;; 安徽高校协同创新项目(GXXT-2022-002)资助
