JP2001525933A

JP2001525933A - 中性子スペクトルの検出方法及びこの方法を実施するための装置

Info

Publication number: JP2001525933A
Application number: JP54988598A
Authority: JP
Inventors: フェーレンバッハゲオルク; コルデスエリック; シュプルンクマルクス; ヴァールヴォルフガング
Original assignee: Helmholtz Zentrum Muenchen Deutsches Forschungs fuer Gesundheit und Umwelt
Current assignee: Helmholtz Zentrum Muenchen Deutsches Forschungs fuer Gesundheit und Umwelt
Priority date: 1997-05-23
Filing date: 1998-05-11
Publication date: 2001-12-11
Also published as: DE19721618A1; EP0983523A1; WO1998053342A1; EP0983523B1; ATE254290T1; DE59810168D1; US6423972B1

Abstract

(57)【要約】本発明は、中性子スペクトルを検出するための方法であって、この方法では中性子スペクトルは異なる応答関数を有する少なくとも２つの中性子検出器によって検出され、これらの中性子検出器の積分計数率からスペクトルを推定する、中性子スペクトルを検出するための方法に関する。本発明の課題は、中性子スペクトルをリアルタイムで検出することができるようにこの方法を構成することである。この課題は、中性子スペクトルが２つの中性子検出器の積分計数率から適当なトポロジの人工的なニューラルネットワークによって検出され、この人工的なニューラルネットワークはこの任務達成のためにトレーニングされたものであることによって解決される。

Description

【発明の詳細な説明】中性子スペクトルの検出方法及びこの方法を実施するための装置本発明は、J.Barthe et al,Radiation Protection dosimetry Vol.70.Nos.1-4 ,59-66(1997)Nuclear Technology Publishingから周知のような、請求項１の上位概念記載の中性子スペクトルの検出のための方法及びこの方法を実施するための装置に関する。中性子照射に対する線量測定では目下のところ主にパッシブな検出システムが使用される。このパッシブな検出システムの線量表示は中性子照射の限定されたエネルギ領域に対してのみ十分に正確である（例えばアルベド法検出器又はプラスティック飛跡検出器）。さらにこれらのシステムは通常月に１度だけしか評価されないので、多くの場合には照射線量の増大は数カ月ごにようやく検出される。中性子照射の個人被曝線量測定における大きな進歩は、作業現場固有の較正係数又は補正係数を使用することなしに、熱領域（meV）からほぼ２０MeVまでの中性子のエネルギ領域に対する線量表示を有するリアルタイム線量測定器の採用である。実際に（原子力発電所、核燃料処理及び輸送、中性子治療において）現れる大抵の中性子場は上記のエネルギ領域の中性子エネルギを有する。個人被曝線量測定器は、今のところ主に光子検出器の分野で使用されている。光子照射に対する電子的な個人被曝線量測定器の例は、光子照射の新たな測定量Ｈｐ（10）の表示のための及び僅少な到達距離（主線量）の光子照射及び電子照射の検出及び線量測定のためのSiemens-Plessyによって開発された個人被曝線量測定器（ＥＰＤ１，例えばElectronic dosimetry 1/93 Issue 1,Siemens Plessy Controls Ltd,1993）又はSiemens線量測定器のようにＳｉダイオードに基づくR ados社の線量測定器（RAD-50,RAD-52デジタル小型線量測定器、Rados社のデータレポートRADOS Technology Oy、Finnland）である。シリコンに基づくアクティブな中性子個人被曝線量測定器は今の所非常に少ない。例としては日本のAloka社の中性子線量測定器が挙げられるだろう（Barthe ，Bordy,Lahaye;Elecｔronic neutron Dosimeter：History and State of the A rt,Radiation Protection Dosimetry Vol.〜70,Nos.1-4,59-66(1997)）。このアクティブな中性子個人被曝線量測定器は熱中性子及び高速中性子の検出（Modell PDM-303,データレポートALOKAC0.LTD.Tokyo,Japan参照）のために又は専ら熱中性子（Modell PDM-307,データレポート参照）のために設計されている。計数管に基づくStephen社のシステムは適当な光子照射を検出することができ、線量評価を行うことができる（データレポートStephen,Centro nic D.C.A．Mini Instruments T.G.M.;Surrey,England）。照射防護に関連する１０meVからほぼ１０MeVまでのエネルギ領域をカバーする中性子照射のエネルギ分布に関する情報を検出するための中性子検出システムはこれまではBonner球（Bonner Kugel）の形式でしか存在しない。このBonner球は検出器ユニット毎の中性子の異なる吸収に基づいている（Bramblett,Ewing,Bonn er;A New Type of Neutron Spectrometer;neuclear Instruments and Methods 9 ,1-12(1960)）。評価方法においては中性子スペクトルを検出するためにこの場合経験を積んだ専門家がいわゆる逆畳み込み（Entfaltung）を実施する。上記の全てのシステムは次のように構成されている。すなわち、これらのシステムは、スペクトル検出の可能性を有する照射場解析を行うことなしに、イベントカウンタとして設計される。Aloka線量測定器（PDM-303）は、このAloka線量測定器（PDM-303）の線量表示の精度を中性子エネルギの関数として検査するためにテストを受けたことがある（例えば、CERN Report TIS-PR/TM/92-90/rev(19 92)）。このテストの結果は、実際の線量に比べて高速中性子に対する線量表示の大きな偏差を示している。これらのシステムのうち適切に中性子のスペクトルを示したものは一つもない。熱中性子から高速中性子までの全エネルギ領域における中性子分光法のための唯一今日存在するシステム、すなわちBonner球の方法は、方法の観点から見ると非常にコスト高である。というのも、検出器ユニットが非常に大きく運搬が面倒であり、さらに熟練の専門家しか測定されたスペクトルに関する推定及び情報を使用して評価を実施できないからである。本発明の課題は、中性子スペクトルをリアルタイムで検出できるような方法を構成し、そしてこの方法を実施するための装置を提供することである。上記課題は請求項１及び９の特徴部分記載の構成によって解決される。本発明の有利な実施形態は従属請求項に記載されている。本発明は、新たな方法を提示する。この新たな方法によって即座の評価を実施可能な変換器-半導体-検出器（リアルタイム線量測定器）に基づいて中性子照射の線量検出が実施できる。この線量測定器は、人工的なニューラルネットワークに基づいて、信号記録のためのマルチエレメントシステム及びこれに所属する評価アルゴリズムから構成され、中性子照射のスペクトルエネルギ分布に関する事前情報が存在する必要がない。これまでの測定システムとは対照的に、本発明では第１ステップで中性子照射のエネルギ分布の検出に努め、第２ステップで測定量の計算が行われる。これは次のような利点を有する。すなわち、相応の線量変換係数の適用によって、照射線量が増大する場合には測定量を補完するために重要な、身体線量及び器官線量のような様々な線量を出力することができる、という利点を有する。照射センサには変換器によって被覆された半導体が所属する。このような照射センサがエレメントと見なされる乃至は測定されたパルス波高分布に亘って粒子の記録が取られる場合にはセンサにて行われた特定のエネルギ領域におけるエネルギデポジション（Energiedeponierung）もエレメントとみなすことができる。この方法では入射中性子スペクトルは個々のエレメントの記録されたカウンタ結果の状況と相関する。というのも、各エレメントは、入射中性子照射に対して記録されたカウンタ結果の固有のエネルギ依存性を有するからである。評価アルゴリズムは第１ステップで適当なエネルギ分解能を有する中性子スペクトルを提供し、次のステップでは線量変換係数を適用することによって線量測定量を算定する（例えば個人被曝線量Ｈｐ(１０)、実効線量）。これらの線量変換係数はテーブルの形式で評価ソフトウェアに存在し、それゆえ容易に適合される。本発明の方法は、特定のカウント期間の後に即座に逆畳み込みを実施することによって、測定及び評価過程を簡素化する。検出された中性子照射場のエネルギに関する情報に基づいて、ただ１つの測定量の提供しかできなかった従来のシステムに比べて様々な線量測定量が検出される。さらに評価ソフトウェアの適応によって場合によっては新しい測定量を導入することが容易にできる。現在使用されている検出システムは新しい測定量を導入する場合にはハードウェア手段を適応させなければならない。本発明の新しさは（事情によっては大きなエネルギ間隔で）中性子照射のスペクトル分布を検出することにある。といのも、全ての線量測定量はスペクトル分布から（入射角度乃至は被曝個人を共に考慮して）導出されるからである。評価アルゴリズムにおける線量変換係数を相応に適応させることによって、中性子照射の評価の修正又は例えばちようど新たなＩＣＲＵ測定量によって行われるような線量測定量の新たな導入を比較的簡単に考慮することができる。従って、もはや以前のように検出ハードウェア全体を適合させる（変化させる）必要はない。放射線防護指示が提案しているように初めに身体線量及び器官線量を表示することもできる。本発明の特性及び利点は以下のようにまとめることができる。スペクトル情報及び線量（例えばＨｐ(１０)）の検出。データ測定のためのマルチエレメントシステム（１）の使用。エレメントは、ここではこのエレメントの出力信号が中性子場のスペクトル構成に応じて変化することによって定義される。入力データの解析のために人工的なニューラルネットワーク（２）を使用する。この計算方法においては照射源（リアクタ、運搬容器、線源）のタイプに関する事前情報は必要ない。このシステムはソフトウェア（ネットワークパラメータ）を変更するだけで変化する要求に適応することができる。線量乃至は線量スペクトルは容易に交換可能な線量変換係数による畳み込み（ Faltung）によって計算される。このシステムによって測定値検出の時間分解能が上がる。測定値は測定の間に表示可能である（直接表示）。このシステムはデータ測定のために複数のエレメントを使用するので、１つ又は複数のエレメントの故障でも相変わらず線量評価が可能である。本発明を次に２つの実施例に基づいて図面によって詳しく説明する。図１は本発明の方法の機能見取り図である。図２は概略的な中性子検出器である。図３及び４はそれぞれ中性子スペクトルとこれに所属する個別線量及び計算されたスペクトルである。図５は６個の中性子検出器の応答関数である。図６は２つの線量変換係数曲線である。図１の機能見取り図では線量測定システムの実施例の基本的な機能グループ及び処理ステップが図示されている。個々のコンポーネントは通し番号を付けられており以下において詳しく記述される。さらに図３及び４において２つの大きく異なる中性子スペクトルに基づく測定プロセス及び解析プロセスが例示的に示されている。この場合、様々な処理時点における情報が示されている。マルチエレメントシステム１：信号測定のために複数のエレメントの装置が使用される。これらのエレメントの出力信号はそれぞれ中性子場のスペクトル分布に依存して変化する。可能な具体的なエレメントの構成は例えば次の通り：様々な見かけの構造及び中性子を荷電粒子に変換するための様々な変換器材料を有する集積して動作される複数のＳｉダイオードの組み合わせ（とりわけ少ない線量に適している）。このような装置は図１、１ａ、１ｂ、１ｃに図示されている。中性子センサ（図１、１ａ）の可能な構造は図２に示されている。これらセンサの信号は適当な増幅器（図１、１ｂ）によって増幅され、カウントされる（図１、１ｃ）。マルチチャネルアナライザの様々なチャネル。このマルチチャネルアナライザは個々の変換器に被覆されたダイオードのパルス波高信号を評価する（比較的良好な分解能において比較的大きな線量に適している）。両方の方法の組み合わせ。ニューラルネットワーク２ｂによって十分に良好なスペクトルの再構成が得られるように、入力側エレメントの適切な組み合わせ（エレメントの個数、ダイオードの構造ならびに変換器の構成及び層厚）を見つけることは基本的な重要性を持つ。任意の多数の可能な組み合わせを適切にセレクトするために、最初に個々のダイオードの中性子応答関数のシミュレーションのためのソフトウェアを開発し、測定との比較によって検証する（図５）。これらの調査の結果として、ここに記載する適用実施例に対しては次のような６個のＳｉダイオードを下記の変換器材料及び層厚との組み合わせにおいて使用する。ここでは変換器層は直接ダイオードの前に取り付けられている。これらのパラメータは次のテーブルにまとめられる。テーブル１：この実施例で使用される変換器材料及びその層厚ならびにＳｉダイオードのデッドレイヤ層厚及びアクティブ層厚。⁶ LiF：６-リチウム-フッ化物（例えばHarshaw-Bicron TLD-600） UF：尿素ホルムアルデヒド PMMA：メタクリル酸ポリメチル人工的なニューラルネットワーク２ａ、２ｂ、２ｃ：６個のエネルギ間隔（エネルギ群）から成るスペクトル情報を６個の測定された信号から計算することは、人工的なニューラルネットワークによって行われる。このニューラルネットワークは次のような３つの計算ステップを必要とする：２ａ：信号から線量にだけ依存するファクタを分離するための、測定された計数率のスケーリング。このスケーリングの際に、全ての計数率は、絶対値において最大の計数率によって除算される。つまり、全ての計数率はスケーリングに従って０と１との間の数値範囲にある。分離されたファクタは逆スケーリング（図１、２ｃ）のために格納される。２ｂ：信号の解析は適当な人工的なニューラルネットワークによって行われる。ここで使用されるニューラルネットワークはいわゆる２つの隠れ層を有するフィードフォワードネットワークである。このネットワークの全てのニューロンは非線形伝達関数（ハイパーボリックタンジェント）を有する。これらのニューロンの出力範囲は−１.０と＋１.０との間にある。全ての層はそれぞれ前後の層によって完全に網目状組織化されている。これらの層を越える結合は存在しない。入力層では入力側エレメントに相応して６個の入力側ノードが選択され、第１の隠れ層には１６個のニューロンが、第２の隠れ層には１０個のニューロンが、出力層には６個のニューロンが存在する。出力層のこれらのニューロンは、再構成されるスペクトルの同じ個数のエネルギ間隔に対応している。エネルギ間隔の境界は、線形χ²最適化法によって、近似スペクトルから算出された線量に対する原スペクトルから算出された線量の偏差を最小化する設定の下にもとめられる。次いでこのネットワークのウェイト（結合強度）が２つの学習アルゴリズム「シミュレーテッド・アニーリング」及び「逆伝播法」を用いてトレーニングされる。このトレーニング及びネットワークのテストに必要な名目上の出力信号はセンサの測定及びシミュレーションによってもとめられ、使用されるスペクトルの種類（この場合には３９２個）に依存してネットワークトポロジを明確に変化させる。トレーニングの後でこのネットワークは変化されないままであり、未知のスペクトルの計算のために使用される。しかもこの場合、これのために大きな計算パワーを必要とすることがない。２ｃ：先のスケーリングの際に格納されたファクタを全ての６個の出力側チャネルに乗算することによって絶対的な線量情報に対して再び再スケーリングを付加する。測定データの解析に使用される人工的なニューラルネットワーク（ＫＮＮ）はソフトウェアとしてマイクロコントローラに関連して実現されるか又はハードウェア解決法として例えば適当なＡＳＩＣモジュールによって実現される。このＫＮＮに対しては、この任務に適合したネットワークトポロジ、適切な再現方法ならびに適当な学習法が選択されなければならない。ネットワークトポロジはこのネットワークのニューロンの個数、これらニューロンの配置及び伝達特性ならびに個々のニューロン間の結合の特性をを記述する。再現方法は、入力値の印加から計算結果の提示までの動作計算ステップの系列を記述する。適当な学習法の使用又は複数の方法の組み合わせは、完全にトレーニングされたネットワークを再現した場合の汎化能力の品質に重大な影響を及ぼす。ネットワークの過学習、つまりトレーニングパターンの暗記は、妥当性検査セット（Va lidierungsmenge）の使用によって低減される。このＫＮＮは既知の中性子スペクトルによってトレーニングされる。これらの既知の中性子スペクトルを偶然的に（Zufaellig）トレーニングセット（ほぼ８０％）と妥当性検査セット（ほぼ２０％）とに分割する。最適化方法はネットワーク誤差の最小化のためにトレーニングセットだけを使用し、妥当性検査セットをこの最小化プロセスの中断のための適当な時点を決定するためだけに使用する。入力側エレメントの計数率からＫＮＮにより決定されたスペクトルの実際のスペクトルに対する統計的な偏差を検討することによって、学習成果はこの妥当性検査セットの誤差によって監視される。妥当性検査誤差が最小値に到達した場合、このネットワークは最適にトレーニングされている。このトレーニングにおいては、このＫＮＮに対して入力側エレメントの計数率が所属の中性子スペクトルと共に提供される。様々な異なった最適化プロセスの間に、このＫＮＮは「入力側エレメントの計数率」を「中性子スペクトルの近似」へと割り当てることを学習する。この関係は、ニューロン間の結合の様々な異なるウェイトで記憶される。このＫＮＮの汎化能力を改善するために、トレーニングの際にこのネットワークに対して付加的に様々な強度でノイズを加えられたヴァージョンの学習セットのスペクトルを提供する。学習セットを相応に構成することによって、このＫＮＮは様々な任務設定に対して最適化される。よって、このネットワークは、選択的に例えばできるだけ大きなエネルギ領域に亘る未知の照射場のスペクトル情報の検出のような普遍的な使用のためにも、例えば所定の照射状況及び/又は限定されたエネルギ領域におけるスペクトル情報のできる限り正確な検出のような特化された任務のためにもトレーニングされうる。このネットワークの適用のためにはトレーニングの後ではウェイトをもはや変更する必要がない。学習プロセスの結果を含んでいるこのネットワーク結合のウェイトは再書き込み可能なメモリに格納され（例えばＥＥＰＲＯＭ）、従って必要に応じて交換され、状況に適合される。入力層のニューロンに印加される入力側エレメントの積分計数率に対する応答として、このトレーニングされたネットワークの出力側ニューロンは、再現の際に、所定のエネルギ間隔における中性子の個数に比例する計数値を出力する。このＫＮＮはニューロンのために選択された伝達関数に依存して所定の間隔における入力値及び出力値を処理することができるだけなので、ここで次のことを指摘しておく。すなわち、入力信号として使用される積分計数率はこのＫＮＮへの供給の前に適当にスケーリングされ、出力値は相応に再スケーリングされなければならない。スペクトル情報３：人工的なニューラルネットワークによる入力データの解析結果として、この実施例では６個のエネルギ間隔（エネルギ群）における中性子フルエンスに対する６個の値の形式でスペクトル情報が提示される。次いでこのスペクトル情報は、一方で直接表示（図１、３ｂ）されて即座に照射場に関する推定を許容し、他方でこれらのデータは後続の処理ステップにおいてさらに処理される（図１、５）。線量変換係数４：エネルギ線量及び様々なエネルギの中性子の生物学的作用は熱中性子から高速中性子までのエネルギ領域に亘って非常に大幅に変化する。この事実を考慮するために、重み付け関数（線量変換係数曲線）を使用する。この重み付け関数（線量変換係数曲線）は問われる線量測定量（Ｈ＊(10),Ｈｐ(10),MADE,etc）、性別（男、女）乃至は器官線量に応じて異なる曲線を有する。他方で、線量変換係数は、絶えず変化する識別状態（例えば生物学的作用の評価）に起因して、恒常的な変化を被る。このシステムではこの線量変換係数はソフトウェアによってインプリメントされる（図１、４）。このことによりハードウェアに変更を加える必要なしに簡単かつコスト的に有利な交換が可能である。線量変換係数によるスペクトル情報の畳み込み５：ここでは上の第４節に記述された事情を次のことによって考慮する。すなわち、手元にあるスペクトル情報（図１、３）を所望の線量変換係数（図１、４）によって畳み込むことによって考慮する。この結果が線量スペクトルである（図１、６）。線量スペクトル６：線量スペクトル（図１、６）において６個のエネルギ領域（エネルギ群）毎に（部分）線量値の形式で全線量に対するそれぞれの寄与率が与えられる。これらの情報は同様に表示され、これらの情報はこれによって例えば適切な遮蔽手段の選択の際に役立つ。線量スペクトルに亘る積分７：線量スペクトルに亘る最終的な積分（図１、７）によって適切な線量測定量（Ｈ＊(10),Ｈｐ(10),MADE,etc）が決定され、直接表示される（図１、８）。線量値８：一連の解析の最後に線量値（図１、８）が提示される。この線量値は従来の線量測定器の場合のようにさらに使用される。第４節で既に言及したように、検出すべき線量測定量は線量変換係数を交換することによって変化する要求に適合される。他方でこのシステムに格納された複数の線量変換係数は様々な線量測定量の直接的な試問が可能である。４個のエレメントを使用した代替的な適用実施例：中性子応答関数のできるだけ様々な異なる曲線を有するできるだけ多数のエレメントは、人工的なニューラルネットワークによる中性子スペクトルの明確な検出を容易にする。他方で、とりわけコスト節減ならびに電流消費を低く抑える理由から、入力側エレメントの数をできるだけ少なく抑えるべきである。この理由から、６個のセンサを有する上で詳細に議論した適用実施例のほかにも、４個のセンサを有するシステムの実現可能性が試された。この場合、変換器に被覆されたＳｉダイオードから成るシステムによって実際の入力スペクトルへの許容可能な近似が得られる。パラメータはテーブル２にまとめられている。テーブル２しかし、センサの最適化に使用しなくてはならない時間コストは入力データの数が増加するにつれて非常に大幅に上昇するので、この段階でさらに研究を続けることを止めた。しかし、次のことは心に銘記しておかねばならない。すなわち、必須ではないが、特に所定の中性子エネルギ領域及び/又はスペクトルクラスに限定すれば、センサ個数を３個まで低減することは実現可能だと思われる。２センサシステムでさえ熱中性子及び高速中性子の寄与に関する情報を供給できる。エネルギ部分領域へのパルス波高スペクトルの分割は人工的なニューラルネットワークに対して付加情報を与える。この場合、例えば、検出器材料と高速中性子との相互作用における運動学的効果がパルス波高分布における顕著な変化をもたらすこと、又は、熱中性子による発熱性反応において定められた最大エネルギがこの反応生成物（Reaktionsprodukte）に与えられることが利用される。例は次のとおり：含水素変換器において、アクティブ層における完全な減速を前提とすると、このアクティブ層における最大エネルギデポジションは中性子の最大エネルギに直接的に比例することが利用される。適切な閾値を設定することにより、ＫＮＮに対して各閾値の上乃至は下のエネルギを有する高速中性子に関する比較的多くの情報が得られる。 ⁶LiFによって被覆されたセンサの場合にはエネルギ閾値を２.７MeVに設定すること。そこではこの閾値の上ではかろうじて高速中性子が計数率に寄与する。これに対してこの閾値の下では熱中性子も高速中性子も検出される。熱中性子との反応に対する比較的大きな断面積によって、ここでは熱中性子が計数率おいて優勢である。図２に対する記述：検出原理中性子の検出は入射中性子の検出器層の原子核との相互作用を介して行われ、この場合、荷電粒子が発生される。この荷電粒子は検出器のアクティブ層におけるエネルギデポジションを介して信号を発生する。この検出器の構造は４つの層によって特徴づけられる。変換器層９：ここでは有利には入射中性子の相互作用が発生する。材料及び層厚の相応の選択によって入射中性子の相互作用が検出器の特性を決定する。この点で中性子の照射エネルギの関数としての中性子の検出確率が重要である。層厚：低速中性子及び熱中性子の検出のための発熱作用変換器の場合の１０μから高速中性子の検出の場合の数ｍｍまで。様々なエネルギ領域に対して問題となる変換器材料の詳細な考察は「適切な変換器材料の選択」というタイトルの節で後述する。デッドレイヤ（totschicht）１０、１１：表面の汚れ及び光に対するダイオードの感度のために、ダイオードはパッシベーション層（図２、１１）によって被覆され、この結果上記の影響を低減することができる。これは、変換器から検出器へと移動するイオンがこの層で減速されるという副次的効果を有する。従って、検出確率が制御される。このデッドレイヤの厚さ：理想的には低エネルギ粒子の検出のためにできるだけ小さく、実際には閾値センサとして使用するために５００Åから数十μである。変換器とダイオードとの間のしばしば回避不可能な隙間（図２、１０）をここではデッドレイヤに含める。アクティブ層１２：このアクティブ層は、中性子相互作用によって発生された荷電粒子の検出のために使用される。（例えばパルスフォーム分析、コインシデンス技術又はΔＥ/ Ｅ技術によって）中性子現象と光子現象が分離されうるという前提の下に、アクティブ層は変換器と同じような層厚（数百μｍからｍｍまで）とすることができる。この結果、中性子がアクティブ層で被る相互作用は検出確率に著しく寄与する。層厚：一般的にここでは光子に対する感度を低く抑えるために、典型的には５０μだけ薄い厚さのアクティブ層を選択する。アクティブ層の下のパッシブ層１３：アクティブ層は場合によってはイオンの後方散乱を惹起する。ファントムに取り付けられている検出器の場合には、後方散乱した中性子照射はこの層で相互作用し、これによってこの場合この層は中性子変換器として使用される。応答関数の制御のための方法：これらの層のパラメータを変えることによってセンサの応答関数（図５）は大きく異なる曲線を描く。これによって、第１にセンサは中性子の全エネルギ領域において測定できなければならなず、さらに第２に所定のエネルギ領域において高めれられた検出確率を有する様々な応答関数を有する、という要求が充たされる。最適化によって決定された応答関数の曲線は実現可能性乃至は人工的なニューラルネットワークによる逆畳み込みの品質を決定する。この最適化は次の２つの原理に従って実施された：１.閾値センサの原理：このセンサタイプは所定のエネルギ以上の中性子が検出されるように構成される。これは次の方法によって実現される：ａ）所定の値以上で初めてエネルギデポジションに相応する現象が、測定されたパルス波高分布において評価される。ｂ）中性子変換器とアクティブゾーンとの間のデッドレイヤはその層厚において次のように適合される。すなわち、所定のエネルギ以上で初めてイオンが変換器から離脱した時に検出器アクティブ層に到達する少なからぬ確率を有するように適合される。ｃ）減速効果及び吸収効果が起こるように変換器は適合される。ｄ）上記方法ａ、ｂ及びｃの組み合わせ。２.コンプリメンタリセンサの原理（それぞれ２つのセンサの考察）：これらのセンサタイプにおいて次のアイデアを追求する：２つのセンサはその構造において層（例えばアクティブ層）までは同一である。低速中性子又は熱中性子を検出するのに適したセンサの場合、検証確率曲線は中性子のエネルギの多数のオーダに亘って同一に経過し、ようやく高速中性子の領域において別の値（例えば、UF1,UF2）を有する。このようなセンサペアはこの例において高速中性子のスペクトル成分に関する情報を与える。低速中性子及び熱中性子を検出するためのセンサは異なる変換器層厚を有し、この結果センサにおける吸収効果は熱中性子の場合に発生し、両方のセンサは高速中性子に対して同様な検出確率を有する。低速中性子及び熱中性子を検出するためのセンサは熱的領域においてスペクトル分布に関する情報を提供する（例えばLiF1,LiF2）。適切な変換器材料の選択変換器は、物質と非常に弱く相互作用する電荷を持たない中性子から良好に検出可能な荷電粒子を発生させる任務を有する。これは弾性衝突又は原子核反応によって発生する。この場合、中性子の効率的な検出が行われるように、各反応に対する断面積が関連するエネルギ領域において大きいことが重要である。他方で注意しなければならないことは、発生される荷電粒子（イオン）は検出器の基本ノイズよりも大きい信号を供給するために十分に高いエネルギを有するということである。入射中性子の様々なエネルギ領域に対して異なる変換器が提供される：低い及び中程度のエネルギを有する中性子（熱中性子及び中速中性子）：エネルギ領域：meV〜ｋｅＶ発熱性原子核反応に関する検出（Bsp.:⁶Li(n,T)⁴He,¹⁰B(n,α)⁷Li,¹⁴N(n,p)¹⁴ C）例：⁶Li:⁶LiF結晶；¹⁰B:¹⁰Bシート；¹⁴N:気層、ナイロン高エネルギの中性子（高速中性子）：ェネルギ領域：＞１MeV 多くの水素を含有する化合物（n,p）の束縛プロトンとの弾性衝突に関する検証。他の元素との衝突も発生するにもかかわらず、プロトンとの衝突は特別の重要性を持つ。というのも、衝突相手が（ほぼ）同じ質量を有するために荷電粒子へのエネルギ伝達は最大であるからである。さらに、より重い衝突相手が検出器のアクティブ領域に到達する確率は、プロトンに比べてはるかに大きな中性子の減速能力乃至はこの減速能力から結果的に生じる小さい到達距離のために大幅に低下する。例：PMMA、パラフィン及び高い水素濃度を有するプラスティック高エネルギの中性子（高速中性子）：エネルギ領域：＞７MeV とりわけ、ダイオードのＳｉ自体との弾性衝突及び原子核反応に関する検出（ Bsp.:ほぼ２.６５MeVからSi(n,α)、ほぼ３.８MeVからSi(n,p)、ほぼ１０MeVからSi(n,n’α)、ほぼ１２MeVからSi(n,n’p)）。ほぼ７MeVより上の中性子エネルギの場合、原子核反応はこのエネルギ領域において大幅に上昇するその断面積のために重要性を増す。図３及び４に関する記述ａ）入射中性子スペクトルの図。横座標：エネルギ単位はｅＶ、領域：１０me Vから１０MeV；縦座標：任意の単位の中性子フルエンスエネルギ。プロットされているのは１０meVから１０MeVのエネルギ領域の中性子フルエンスエネルギの値である。図３は多数の熱中性子による原子炉核分裂スペクトル（遮蔽）。図４はこれに対して高速中性子が優勢なスペクトルである（遮蔽なし）。ｂ）６個の元素の絶対計数値。横座標：任意の単位の積分計数率；縦座標：元素の個数。元素のナンバリング（Ｓ１〜Ｓ６）はテーブル１のナンパリングに相応する。記録された結果の個数はそれぞれ対数スケールで水平方向にプロットされている。人工的なニューラルネットワークによる後続処理のために６個の元素の計数値は対数スケールで０〜１までの数値範囲に正規化される。この場合、相応の正規化計数が格納される。ｃ）ヒストグラム‐スペクトル。横座標：エネルギ単位はｅＶ、領域：１０me Vから１０MeV；縦座標：任意の単位の中性子フルエンスエネルギ。人工的なニューラルネットワークの６個の出力側ニューロンの出力値は−１と１との間で変動する。格納された正規化係数による再スケーリングによってこれからヒストグラム‐スペクトルが算定される。図５に関する記述６個のセンサの応答関数。横座標：エネルギ単位はｅＶ、領域：１０meVから１０MeV；縦座標：任意の単位の応答確率。この実施例において記述された６個のセンサの応答関数の図。センサPMMA1及びPMMA2は閾値センサ原理を説明する。これに対して、LiF1センサ及びLiF2センサ乃至はUF1センサ乃至はUF2センサはコンプリメンタリセンサ原理を説明する。図６に関する記述線量変換係数の例。横座標：エネルギ単位はｅＶ、領域：１０ meVから１０Me V；縦座標：psv・cm²での変換係数、領域（目盛線）：１０〜１０００まで。２つの異なる線量測定量（Ｈ^*(10)、Ｅ(10)）に対する線量変換係数の比較。とりわけ変換係数の大きな変化を有する領域では人工的なニューラルネットワークによる中性子スペクトルの良好な再現が重要である。

【手続補正書】特許法第１８４条の８第１項【提出日】平成１１年３月２５日（１９９９．３．２５）【補正内容】ける中性子分光法のための唯一今日存在するシステム、すなわちBonner球の方法は、方法の観点から見ると非常にコスト高である。というのも、検出器ユニットが非常に大きく運搬が面倒であり、さらに熟練の専門家しか測定されたスペクトルに関する推定及び情報を使用して評価を実施できないからである。ＵＳ５７２０２８Ａから熱ルミネセンス検出器を有する検出器システムが公知である。この検出器システムでは人工的なニューラルネットワークによって検出器信号から線量又はエネルギを算定する。これはその都度１つのステップで行われる。個々の検出器の応答関数はこの場合ただ様々なフィルタの使用によって制御される。さらにＧＢ１０１４６８２から中性子スペクトルの検出方法が公知である。この方法では、エネルギスペクトルを複数の閾値検出器のスペクトルから簡単な逆畳み込みプロセスによってもとめる。この方法はこの場合閾値検出器のタイプのためにエネルギ領域０.４MeVから最大で３MeVまでに限定されてしまう。本発明の課題は、中性子スペクトルをリアルタイムで検出できるような方法を構成し、そしてこの方法を実施するための装置を提供することである。上記課題は請求項１及び９の特徴部分記載の構成によって解決される。本発明の有利な実施形態は従属請求項に記載されている。本発明は、新たな方法を提示する。この新たな方法によって即座の評価を実施可能な変換器-半導体-検出器（リアルタイム線量測定器）に基づいて中性子照射の線量検出が実施できる。この線量測定器は、人工的なニューラルネットワークに基づいて、信号記録のためのマルチエレメントシステム及びこれに所属する評価アルゴリズムから構成され、中性子照射のスペクトルエネルギ分布に関する事前情報が存在する必要がない。これまでの測定システムとは対照的に、本発明では第１ステップで中性子照射のエネルギ分布の検出に努め、第２ステップで測定量の計算が行われる。これは次のような利点を有する。すなわち、相応の線量変換請求の範囲 1. 中性子スペクトルを検出するための方法であって、該方法では中性子スペクトルは異なる応答関数を有する少なくとも２つの中性子検出器によって検出され、これらの中性子検出器の積分計数率から前記スペクトルを推定し、前記中性子スペクトルは前記２つの中性子検出器の積分計数率から適当なトポロジの人工的なニューラルネットワークによって検出され、該人工的なニューラルネットワークはこの任務達成のためにトレーニングされたものである、中性子スペクトルを検出するための方法において、中性子検出器として半導体ダイオード及び変換器から成る半導体検出器が使用され、応答関数は、変換器材料の選択及び変換器層の厚さの選択と前記半導体検出器のデッドレイヤ（Totschicht）及びアクティブ層の厚さとによって調整され、この結果、前記応答関数は大幅に異なる曲線経過を持つことを特徴とする、中性子スペクトルを検出するための方法。 2. 中性子スペクトルの積分強度は少なくとも２つのさらに別の中性子検出器によって検出され、全ての中性子検出器の応答関数は互いに異なることを特徴とする請求項１記載の方法。 3. 中性子スペクトルの積分強度は少なくとも２つのさらに別の中性子検出器によって検出され、全ての中性子検出器の応答関数は互いに異なることを特徴とする請求項２記載の方法。 4. 半導体ダイオードとしてシリコンダイオードが使用されることを特徴とする請求項１又は３記載の方法。 5. 中性子検出器のうちの少なくとも１つの中性子検出器の応答関数は様々なエネルギ領域に分割され、これらのエネルギ領域における積分計数率は人工的なニューラルネットワークに入力データとして中性子スペクトルの決定のために供給されることを特徴とする請求項１〜４までのうちの１項記載の方法。 6. 中性子スペクトルから線量スペクトル及び/又は中性子線量が決定されることを特徴とする請求項１〜５までのうちの１項記載の方法。 7. ａ）異なる応答関数を有する中性子検出器としての少なくとも３つの半導体検出器を有し、前記応答関数は変換器材料の選択及び変換器層の厚さの選択とシリコンダイオードのデッドレイヤ及びアクティブ層の厚さとによって調整され、前記少なくとも３つの半導体検出器は電圧供給部及び評価電子装置及びｂ）人工的なニユーラルネットワークを有し、該ニューラルネットワークは入力データとして前記半導体検出器の積分計数率を利用し、前記人工的ニューラルネットワークの出力側は中性子スペクトルの異なるエネルギ領域に相応し、前記人工的ニューラルネットワークはこの任務のためにトレーニングされていることを特徴とする請求項２〜６までのうちの１項記載の方法を実施するための装置。 8. 少なくとも２つの中性子検出器の応答関数は高エネルギ中性子又は低エネルギ中性子を優先的に扱うことを特徴とする請求項７記載の装置。 9. 半導体検出器は「サンドウィッチ」として配置されていることを特徴とする請求項７又は８記載の装置。 10．個人被曝線量測定又は場の線量測定のための請求項７〜９までのうちの１項記載の装置の使用。

───────────────────────────────────────────────────── フロントページの続き (72)発明者エリックコルデスドイツ連邦共和国Ｄ―80687 ミュンヘンフリートハイマーシュトラーセ 25 (72)発明者マルクスシュプルンクドイツ連邦共和国Ｄ―85570 マルクトシュヴァーベンアンデアバッハライテン１ (72)発明者ヴォルフガングヴァールドイツ連邦共和国Ｄ―83727 シュリーアゼーブライテンバッハシュトラーセ１

Claims

【特許請求の範囲】 1. 中性子スペクトルを検出するための方法であって、該方法では中性子スペクトルは異なる応答関数を有する少なくとも２つの中性子検出器によって検出され、これらの中性子検出器の積分計数率から前記スペクトルを推定する、中性子スペクトルを検出するための方法において、前記中性子スペクトルは前記２つの中性子検出器の積分計数率から適当なトポロジの人工的なニューラルネットワークによって検出され、該人工的なニューラルネットワークはこの任務達成のためにトレーニングされたものであることを特徴とする、中性子スペクトルを検出するための方法。 2. 中性子スペクトルの積分強度は少なくとも２つのさらに別の中性子検出器によって検出され、全ての中性子検出器の応答関数は互いに異なることを特徴とする請求項１記載の方法。 3. 中性子スペクトルの積分強度は少なくとも２つのさらに別の中性子検出器によって検出され、全ての中性子検出器の応答関数は互いに異なることを特徴とする請求項２記載の方法。 4. 中性子検出器として半導体ダイオード及び変換器から成る半導体検出器が使用されることを特徴とする請求項１〜３までのうちの１項記載の方法。 5. 半導体ダイオードとしてシリコンダイオードが使用されることを特徴とする請求項１又は４記載の方法。 6. 応答関数は、変換器材料の選択及び変換器層の厚さの選択とシリコンダイオードのデッドレイヤ（Totschicht）及びアクティブ層の厚さとによって調整されることを特徴とする請求項１〜５までのうちの１項記載の方法。 7. 中性子検出器のうちの少なくとも１つの中性子検出器の応答関数は様々なエネルギ領域に分割され、これらのエネルギ領域における積分計数率は人工的なニューラルネットワークに入力データとして中性子スペクトルの決定のために供給されることを特徴とする請求項１〜６までのうちの１項記載の方法。 8. 中性子スペクトルから線量スペクトル及び/又は中性子線量が決定されることを特徴とする請求項１〜７までのうちの１項記載の方法。 9. ａ）異なる応答関数を有する中性子検出器としての少なくとも３つの半導体検出器を有し、前記応答関数は変換器材料の選択及び変換器層の厚さの選択とシリコンダイオードのデッドレイヤ及びアクティブ層の厚さとによって調整され、前記少なくとも３つの半導体検出器は電圧供給部及び評価電子装置及びｂ）人工的なニューラルネットワークを有し、該ニューラルネットワークは入力データとして前記半導体検出器の積分計数率を利用し、前記人工的ニューラルネットワークの出力側は中性子スペクトルの異なるエネルギ領域に相応し、前記人工的ニューラルネットワークはこの任務のためにトレーニングされていることを特徴とする請求項２〜８までのうちの１項記載の方法を実施するための装置。 10．少なくとも２つの中性子検出器の応答関数は高エネルギ中性子又は低エネルギ中性子を優先的に扱うことを特徴とする請求項９記載の装置。 11．半導体検出器は「サンドウィッチ」として配置されていることを特徴とする請求項９又は１０記載の装置。 12．個人被曝線量測定又は場の線量測定のための請求項９〜１１までのうちの１項記載の装置の使用。