Использование машинного обучения на базе лазерно-искровой эмиссионной спектроскопии для проведения судебно-медицинского атрибутивного анализа продуктов деления в суррогатных высокоактивных ядерных отходах

Onkangi J. N.; Angeyo H. K.

Использование машинного обучения на базе лазерно-искровой эмиссионной спектроскопии для проведения судебно-медицинского атрибутивного анализа продуктов деления в суррогатных высокоактивных ядерных отходах

Onkangi J. N., Angeyo H. K.

2023

Исследована применимость лазерно-искровой эмиссионной спектроскопии и машинного обучения для прямого быстрого анализа отдельных продуктов деления (FP), а именно Y, Sr, Rb и Zr, в суррогатных высокоактивных ядерных отходах (постдетонационные обломки стекла, постдетонационные порошки и капли жидкости (в мкл) с места радиологического воздействия (RCS)). Разработаны стратегии калибровки искусственной нейронной сети для количественного анализа следов FP в этих материалах, которые позволили достичь прогнозирования >95 % для образцов всех типов. Из-за отсутствия соответствующих сертифицированных стандартных образцов для валидации метода использованы синтетические стандартные образцы с точностью ~91 %. На основании спектральных характеристик FP с помощью анализа главных компонент дифференцированы ядерные и неядерные отходы, продемонстрирован потенциал метода для ядерной судебной экспертизы и атрибутивного анализа RCS.

Onkangi J. N., Angeyo H. K. Использование машинного обучения на базе лазерно-искровой эмиссионной спектроскопии для проведения судебно-медицинского атрибутивного анализа продуктов деления в суррогатных высокоактивных ядерных отходах. Журнал прикладной спектроскопии. 2023;90(6):965.

Цитирование

Список литературы

1. H. K. Angeyo, Int. J. Nucl. Secur., 4, No. 1, Article 2 (2018).

2. M. Miller, Nonproliferation Rev., 14, No. 1, 33–60 (2007), doi: 10.1080/10736700601178465.

3. Y.-S. Kim et al., Spectrochim. Acta B: At. Spectrosc., 74, 90–193 (2012).

4. S. Rai, A. K. Rai, AIP Adv., 1, No. 4, 042103 (2011).

5. D. A. Cremers, L. J. Radziemski, Handbook of Laser-Induced Breakdown Spectroscopy, John Wiley & Sons (2013).

6. R. E. Russo, X. L. Mao, H. C. Liu, J. H. Yoo, S. S. Mao, Appl. Phys. A, 69, No. 1, S887–S894 (1999).

7. I. Choi, G. C.-Y. Chan, X. Mao, D. L. Perry, R. E. Russo, Appl. Spectrosc., 67, No. 11, 1275–1284 (2013), doi: 10.1366/13-07066.

8. P. Devangad et al., Opt. Mater., 52, 32–37 (2016).

9. E. C. Jung, D. H. Lee, J.-I. Yun, J. G. Kim, J. W. Yeon, K. Song, Spectrochim. Acta B: At. Spectrosc., 66, No. 9, 761–764 (2011).

10. X. Wang et al., Spectrochim. Acta B: At. Spectrosc., 87, 139–146 (2013).

11. I. Gaona, J. Serrano, J. Moros, J. J. Laserna, Spectrochim. Acta B: At. Spectrosc., 96, 12–20 (2014).

12. A. E. Jones, P. Turner, C. Zimmerman, J. Y. Goulermas, Anal. Chem., 86, No. 11, 5399–5405 (2014).

13. N. Labbé, I. M. Swamidoss, N. André, M. Z. Martin, T. M. Young, T. G. Rials, Appl. Opt., 47, No. 31, G158–G165 (2008).

14. H. K. Angeyo, International Atomic Energy Agency (IAEA) International Conference on Nuclear Security: Enhancing Global Efforts, Vienna, Austria, 1–5 July (2013).

15. J. J. Molgaard et al., J. Radioanal. Nucl. Chem., 304, No. 3, 1293–1301 (2015).

16. B. A. Hanson, Package Version, 2 (2014).

17. P. Pease, Spectrochim. Acta B: At. Spectrosc., 83, 37–49 (2013).

18. M. Cilimkovic, Inst. Technol. Blanchardstown Blanchardstown Road North Dublin, 15, No. 1 (2015) [Online]. Available: https://drive.uqu.edu.sa/_/takawady/files/NeuralNetworks.pdf

19. V. Skorpil, J. Stastny, “Back-Propagation and K-Means Algorithms Comparison,” presented at the 8th Int. Conf. Signal Processing (2006).

20. R. N. Naguib, G. V. Sherbet, Artificial Neural Networks in Cancer Diagnosis, Prognosis, and Patient Management, CRC Press (2001).

21. A. M. Bevilacqua, N. B. M. de Bernasconi, M. E. Sterba, “Desarrollo de la Formulación y Preparación de Residuos Simulados de Alta Actividad Tipo PHWR,” Bariloche, Argentina (1987).

22. M. J. Bell, “ORIGEN: the ORNL isotope generation and depletion code,” Oak Ridge National Lab. (1973).

23. M. A. Audero, A. M. Bevilacqua, N. B. de Bernasconi, D. O. Russo, M. E. Sterba, J. Nucl. Mater., 223, No. 2, 151–156 (1995).

24. F. Marini, R. Bucci, A. L. Magrì, A. D. Magrì, Microchem. J., 88, No. 2, 178–185 (2008).

25. N. C. Dingari, G. L. Horowitz, J. W. Kang, R. R. Dasari, I. Barman, PLoS One, 7, No. 2, e32406 (2012).

26. S. D. Kamath, C. S. D’souza, S. Mathew, S. D. George, C. Santhosh, K. K. Mahato, J. Chemom. J. Chemom. Soc., 22, No. 6, 408–416 (2008).

27. B. Sallé, J.-L. Lacour, P. Mauchien, P. Fichet, S. Maurice, G. Manhes, Spectrochim. Acta B: At. Spectrosc., 61, No. 3, 301–313 (2006).

28. D. A. Cremers, F.-Y. Yueh, J. P. Singh, H. Zhang, Laser-Induced Breakdown Spectroscopy, Elemental Analysis. Wiley Online Library, 2006. Accessed: Jul. 19 (2015). [Online]. Available: http://onlinelibrary.wiley.com/doi/10.1002/9780470027318.a0708.pub2/full

29. A. Haider, M. Wahadoszamen, M. E. Sadat, K. M. Abedin, A. I. Talukder, Opt. Laser Technol., 42, No. 6, 969–974 (2010).

30. A. Ciucci, M. Corsi, V. Palleschi, S. Rastelli, A. Salvetti, E. Tognoni, Appl. Spectrosc., 53, No. 8, 960–964 (1999).

31. P. Yaroshchyk, D. Body, R. J. Morrison, B. L. Chadwick, Spectrochim. Acta B: At. Spectrosc., 61, No. 2, 200–209 (2006).

32. S. M. Clegg, E. Sklute, M. D. Dyar, J. E. Barefield, R. C. Wiens, Spectrochim. Acta B: At. Spectrosc., 64, No. 1, 79–88 (2009).

33. M. Z. Martin, N. Labbé, T. G. Rials, S. D. Wullschleger, Spectrochim. Acta B: At. Spectrosc., 60, No. 7-8, 1179–1185 (2005).

34. J.-B. Sirven, B. Salle, P. Mauchien, J.-L. Lacour, S. Maurice, G. Manhes, J. Anal. At. Spectrom., 22, No. 12, 1471–1480 (2007).

35. D. Alamelu, A. Sarkar, S. K. Aggarwal, Talanta, 77, No. 1, 256–261 (2008).

36. K. Banas et al., Anal. Chem., 82, No. 7, 3038–3044 (2010).

Источник

Информация

Автор

Onkangi J. N. Университет Найроби
Angeyo H. K. Университет Найроби

Страницы

Год издания

2023

Ключевые слова

Коллекции

Журнал прикладной спектроскопии