JP2021092476A - 評価装置、評価方法、学習装置、及び学習方法 - Google Patents
評価装置、評価方法、学習装置、及び学習方法 Download PDFInfo
- Publication number
- JP2021092476A JP2021092476A JP2019223929A JP2019223929A JP2021092476A JP 2021092476 A JP2021092476 A JP 2021092476A JP 2019223929 A JP2019223929 A JP 2019223929A JP 2019223929 A JP2019223929 A JP 2019223929A JP 2021092476 A JP2021092476 A JP 2021092476A
- Authority
- JP
- Japan
- Prior art keywords
- various parameters
- machine learning
- laser
- mass spectrometry
- sample
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 title claims description 32
- 238000005259 measurement Methods 0.000 claims abstract description 61
- 238000010801 machine learning Methods 0.000 claims abstract description 54
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 239000000203 mixture Substances 0.000 claims abstract description 20
- 239000010421 standard material Substances 0.000 claims abstract description 10
- 238000012937 correction Methods 0.000 claims description 47
- 238000004949 mass spectrometry Methods 0.000 claims description 37
- 230000007613 environmental effect Effects 0.000 claims description 13
- 230000003287 optical effect Effects 0.000 claims description 10
- 238000005014 resonance ionization mass spectroscopy Methods 0.000 claims description 6
- 230000001678 irradiating effect Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims 2
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000001095 inductively coupled plasma mass spectrometry Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 229910052693 Europium Inorganic materials 0.000 description 2
- 229910017052 cobalt Inorganic materials 0.000 description 2
- 239000010941 cobalt Substances 0.000 description 2
- GUTLYIVDDKVIGB-UHFFFAOYSA-N cobalt atom Chemical compound [Co] GUTLYIVDDKVIGB-UHFFFAOYSA-N 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- OGPBJKLSAFTDLK-UHFFFAOYSA-N europium atom Chemical compound [Eu] OGPBJKLSAFTDLK-UHFFFAOYSA-N 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 238000002441 X-ray diffraction Methods 0.000 description 1
- 238000000516 activation analysis Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 238000004876 x-ray fluorescence Methods 0.000 description 1
Images
Landscapes
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
【課題】精度の高い元素組成比の計測を行える評価装置を提供する。【解決手段】レーザー光源は、試料にレーザー光を照射する。質量分析部は、レーザー光が照射された試料の元素組成分析を行う。レーザーパラメータ測定部、環境パラメータ測定部、質量分析出力及び質量分析パラメータ測定部は、計測結果に影響を与える可能性のある各種のパラメータを取得する。機械学習及び補正部は、質量分析の測定値を目的変数とし、計測結果に影響を与える可能性のある各種のパラメータを説明変数として、機械学習アルゴリズムにより回帰モデルを作成し、標準資料を用いて機械学習を行って生成された予測値を用いて、各種のパラメータの影響により受ける成分を補正する。【選択図】図1
Description
本発明は、評価装置、評価方法、学習装置、及び学習方法に関する。
放射線施設のコンクリート遮蔽体は、中性子捕獲反応によりコンクリート中の微量原子であるコバルトやユーロピウムが放射化し、かつ長期に渡り残存する。放射線施設の一例として、原子炉施設の場合、コンクリートの放射能は原子炉の運転履歴と、コバルト及びユーロピウムを含むコンクリートの組成から評価することができる。特に、コンクリートの元素組成分析では、ICP−MS(Inductively coupled plasma−mass spectrometry)、蛍光X線分析、放射化分析が適用可能である。特許文献1には、ICP−MSのように、測定の前に化学的前処理が必用な手法に対し、前処理不要で測定の迅速化や、廃液処理が不要な手法として、レーザー共鳴イオン化質量分析(RIMS)による手法が適用可能と考えられ、蛍光X線分析と組み合わせた手法が提案されている(特許文献1)。また、非特許文献1には、試料測定中の各種のパラメータの揺らぎ自体を測定し、揺らぎと測定値の相関を求めることでイオン化効率と測定効率を補正する手法(逐次補正法)が記載されている。
能任琢真、「環境微粒子中核物質同位体比迅速分析法の開発」名古屋大学, (2015), 博士論文
T.Noto, et al., "Development of a sequential data correction method for isotope ratio analysis by resonance ionization mass spectrometry", J. Nucl. Sci. Tech, 53, 289-294, (2016).
レーザー共鳴イオン化は、特定の波長(エネルギー)を持つレーザー光を用いて、原子固有の励起準位を経てイオン化させ、同重体の干渉を抑えて特定元素のみの測定を行う手法である。一方で、測定中のレーザーの波長、出力、照射位置、パルス幅及び照射時間差(パルスレーザーの場合)等の揺らぎが対象元素のイオン化効率、測定効率に大きな影響を与える。この他にも、試料温度、測定器の電圧や真空度、レーザー光路がある環境の温度、湿度、気圧等の影響も無視できないものと考えられる。高精度に測定するためには、非常に安定した環境・装置を用意し、測定することが考えられる。
一方で、非特許文献1には、試料測定中の各種のパラメータの揺らぎ自体を測定し、揺らぎと測定値の相関を求めることでイオン化効率と測定効率を補正する手法(逐次補正法)が記載されている。ここでいう測定値とは、検出器の出力電圧や、検出器に到達したイオンの個数、レーザー照射から検出器に届くまでの時間等がある。上記補正手法では、補正に使うパラメータの数や、相関をフィッティングさせる関数の形状に限界がある。
上述の課題を鑑み、本発明は、非常に安定した環境・装置を用意することなく、精度の高い元素組成比の計測を行える評価装置、評価方法、学習装置、及び学習方法を提供することを目的とする。
本発明の一態様に係る評価装置は、試料にレーザー光を照射するレーザー発光源と、前記レーザー光が照射された試料の元素組成分析を行う質量分析部と、計測結果に影響を与える可能性のある各種のパラメータを取得する測定部と、前記質量分析部の測定値を目的変数とし、前記計測結果に影響を与える可能性のある各種のパラメータを説明変数として、機械学習アルゴリズムにより回帰モデルを作成し、標準資料を用いて機械学習を行って生成された予測値を用いて、前記各種のパラメータの影響により受ける成分を補正する補正部とを備える。
本発明の一態様に係る評価方法は、試料にレーザー光を照射し、試料の元素組成分析を行う工程と、計測結果に影響を与える可能性のある各種のパラメータを取得する工程と、質量分析の測定値を目的変数とし、前記計測結果に影響を与える可能性のある各種のパラメータを説明変数として回帰モデルを作成し、標準資料を用いて機械学習を行って生成された予測値を用いて、前記各種のパラメータの影響により受ける成分を補正する工程とを含む。
本発明の一態様に係る学習装置は、レーザー光が照射された試料の元素組成分析を行う質量分析部の計測結果を補正するための学習装置であって、質量分析の測定値を目的変数とし、前記計測結果に影響を与える可能性のある各種のパラメータを説明変数として、機械学習アルゴリズムにより回帰モデルを作成するモデル作成部と、標準資料を用いて機械学習を行い、各種のパラメータの影響により受ける成分を補正するための補正値を算出する機械学習部とを備える。
本発明の一態様に係る学習方法は、レーザー光が照射された試料の元素組成分析を行う質量分析の計測結果を補正するための学習方法であって、質量分析の測定値を目的変数とし、前記計測結果に影響を与える可能性のある各種のパラメータを説明変数として、機械学習アルゴリズムにより回帰モデルを作成する工程と、標準資料を用いて機械学習を行い、各種のパラメータの影響により受ける成分を補正するための補正値を算出する工程とを含む。
本発明によれば、機械学習により、各種のパラメータにより受ける計測値の影響を推定し、質量分析の計測結果を補正することで、精度の高い元素組成比を得ることができる。
以下、本発明の実施の形態について図面を参照しながら説明する。図1は、本発明の実施形態に係る評価装置の一例のブロック図である。本発明の実施形態に係る評価装置は、レーザー共鳴イオン化質量分析により、放射線施設のコンクリート遮蔽体等の組成分析を行うものである。
図1に示すように、本発明の実施形態に係る評価装置1は、レーザー発光源11a及び11bと、質量分析部12と、光学系13と、レーザーパラメータ測定部14と、環境パラメータ測定部15と、質量分析出力及び質量分析パラメータ測定部16と、機械学習及び補正部17とから構成される。
レーザー発光源11a及び11bは、レーザー共鳴イオン化質量分析を行うためのレーザー光を試料に照射する。レーザー発光源11a及び11bとしては、パルスレーザーであっても良いし、CW(Continuous wave laser)レーザーであっても良い。なお、ここでは、2つのレーザー発光源11a及び11bを示しているが、レーザー発光源11a及び11bの数はこれに限定されない。また、レーザー発光源11a及び11bとしては、波長可変のレーザーを用いても良い。
質量分析部12は、レーザー共鳴イオン化質量分析により、コンクリート遮蔽体等を実試料として元素組成分析を行う。レーザー共鳴イオン化は、特定の波長を持つレーザー光を用いて、原子固有の励起準位を経てイオン化させ、同重体の干渉を抑えて特定元素の測定を行う。
光学系13は、レーザー発光源11a及び11bからのレーザー光を質量分析部12及びレーザーパラメータ測定部14に導光する。この例では、光学系13は、ビームスプリッタ21a及び21b、ミラー22a及び22bから構成される。ビームスプリッタ21aは、レーザー発光源11aからのレーザー光を分光して、質量分析部12及びレーザーパラメータ測定部14に導光する。ビームスプリッタ21bは、レーザー発光源11bからのレーザー光を分光して、レーザーパラメータ測定部14に導光するとともに、ミラー22b、22aを介して、質量分析部12に導光する。
レーザーパラメータ測定部14は、レーザー発光源11a及び11bから出射されるレーザー光に関するパラメータを計測する。レーザー光に関するパラメータは、例えば、レーザー光の波長、レーザー光の出力等である。
環境パラメータ測定部15は、周囲の環境パラメータを計測する。周囲の環境パラメータは、例えば、レーザー光路がある環境の温度、湿度、気圧等である。
質量分析出力及び質量分析パラメータ測定部16は、質量分析部12での分析結果を出力するとともに、質量分析に関するパラメータを計測する。質量分析に関するパラメータは、例えば、試料に照射されるレーザー光の照射位置、試料温度、測定部の電圧や真空度等である。
機械学習及び補正部17は、機械学習による推定を行い、質量分析部12の計測結果を補正する。すなわち、質量分析部12の計測結果には、各種のパラメータの影響により受ける成分が含まれている。機械学習及び補正部17は、質量分析の測定値を目的変数、計測結果に影響を与える可能性のある各種のパラメータを説明変数として、機械学習アルゴリズムにより回帰モデルを作成し、標準試料を用いて機械学習を行い、各種のパラメータの影響により受ける成分を補正するための補正値を算出する。そして、実試料を使って質量分析を行う場合、機械学習及び補正部17は、機械学習により求められた補正値を用いて、質量分析部12の計測結果を補正する。
機械学習及び補正部17は、CPU(Central Processing Unit)やGPU(Graphics Processing Unit)により実現できる。この場合、機械学習及び補正部17は、質量分析部12の測定値を目的変数とし、計測結果に影響を与える可能性のある各種のパラメータを説明変数として、機械学習アルゴリズムにより回帰モデルを作成するモデル作成部と、標準資料を用いて機械学習を行い、各種のパラメータの影響により受ける成分を補正するための補正値を算出する機械学習部と、標準資料を用いて機械学習を行って生成された予測値を用いて、各種のパラメータの影響により受ける成分を補正する補正部として機能する。
図2は、本発明の実施形態における機械学習での処理工程を説明するためのフローチャートである。
(ステップS101)先ず、機械学習及び補正部17は、質量分析部12の計測値を目的変数、各種のパラメータを説明変数として、機械学習のための回帰モデルを作成する。すなわち、レーザー共鳴イオン化質量分析を行う場合、測定中のレーザーの波長、出力、照射位置、パルス幅及び照射時間差等の揺らぎが対象元素のイオン化効率、測定効率に大きな影響を与える。また、試料温度、測定部の電圧や真空度、レーザー光路がある環境の温度、湿度、気圧等も、計測結果に影響を与える。そこで、本実施形態では、組成が明らかになっている標準試料を用意し、この標準試料を使って、質量分析部12の計測値を目的変数、各種のパラメータを説明変数として、回帰モデルを作成する。なお、機械学習アルゴリズム及び回帰モデルとしては、どのようなものを用いても良い。
(ステップS102)質量分析部12は、標準試料の分析を行う。質量分析出力及び質量分析パラメータ測定部16は、質量分析部12での分析結果から、標準試料の計測値を取得して、機械学習及び補正部17に出力する。
(ステップS103)機械学習及び補正部17は、標準試料の分析を行っているときの各種のパラメータを取得する。すなわち、レーザーパラメータ測定部14は、レーザー光の波長、出力等、レーザー発光源11a及び11bから出射されるレーザー光に関するパラメータを計測し、機械学習及び補正部17に出力する。環境パラメータ測定部15は、レーザー光路がある環境の温度、湿度、気圧等、周囲の環境パラメータを計測し、機械学習及び補正部17に出力する。質量分析出力及び質量分析パラメータ測定部16は、試料に照射されるレーザー光の照射位置、試料温度、測定部の電圧や真空度等、質量分析に関するパラメータを計測し、機械学習及び補正部17に出力する。
なお、複数のパルスレーザーを用いる場合には、各レーザーの照射時間差や、パルス幅の揺らぎが各種効率に影響を与えると考えられる。この時、例えばパルスレーザーの場合はパルス数に対応付け、CW(Continuous wave laser)レーザーの場合は時間に対応付け、パラメータと測定値を記録する。
また、ここでは、レーザー光の波長、出力等のレーザー光に関するパラメータと、レーザー光路がある環境の温度、湿度、気圧等の周囲の環境パラメータと、レーザー光の照射位置、試料温度、測定部の電圧や真空度等の質量分析に関するパラメータを説明変数として用いているが、計測結果に影響を与える可能性のあるパラメータであれば、どのようなパラメータを説明変数としても良い。
(ステップS104)機械学習及び補正部17は、それぞれのパルス又は時間毎の質量分析部12の測定値を目的変数とし、その瞬間の各種のパラメータを説明変数として、機械学習アルゴリズムにより、標準試料を用いて機械学習を行い、予測値を算出する。
図3は、本発明の実施形態における補正処理の工程を説明するためのフローチャートである。
(ステップS201)機械学習及び補正部17は、それぞれのパルス又は時間毎の質量分析部12の測定値を取得して、実試料の質量分析を行う。
(ステップS202)機械学習及び補正部17は、レーザーパラメータ測定部14からレーザー光に関するパラメータを取得し、環境パラメータ測定部15から周囲の環境パラメータを取得し、質量分析出力及び質量分析パラメータ測定部16から質量分析に関するパラメータを取得する。
(ステップS203)機械学習及び補正部17は、取得した各種のパラメータにより算出される予測値と、標準試料を用いて算出された予測値とを用いて、質量分析部12の測定値を補正する。測定値の補正は、例えば、以下のようにして行うことができる。
図4は、本発明の実施形態における補正処理の説明に用いるグラフである。図4において、横軸は各種のパラメータを示し、縦軸は計測結果を示す。各種のパラメータは、機械学習で説明変数として用いた値で、レーザー光の波長、出力、レーザー光路がある環境の温度、湿度、気圧、試料に照射されるレーザー光の照射位置、試料温度、測定部の電圧や真空度等である。計測結果は、質量分析部12で計測された値であり、機械学習で説明変数として用いた値である。また、図4において、x0は基準値の各種のパラメータの値であり、y0は基準値での予測値である。
今、ある瞬間の質量分析部12の測定値がyであり、このときの各種のパラメータの値がxであったとする。この場合、補正モデルを用いて、その瞬間の各種のパラメータの値xからその瞬間における計測結果の予測値y^(ただし^はyの上に付されている。以下同様。)が求められる。そして、以下のように、その瞬間における計測結果の予測値y^と、基準値での計測結果の予測値y0^(ただし^はy0の上に付されている。以下同様。)との比が次のように求められる。
その瞬間での質量分析部12の測定値yに、上述の予測値の比を乗算することで、測定結果がパラメータ一定時の値に補正され、補正値y’が得られる((1)式)。
このように、本実施形態では、機械学習により、各種のパラメータにより受ける計測値の影響を推定し、質量分析部12の計測結果を補正している。補正値を以降の分析に使うことで、精度の高い元素組成比が得られる。
逐次補正法の補正モデルの作成は、相関の強い少数の説明変数(イオン化効率で変数1つ、測定効率で変数2つ)で、線形のモデル程度のものしか作ることができない。一方で、元素選択性、効率的なイオン化にあたって、使用するレーザーが3本以上になった場合、測定結果との相関がより複雑になる。本発明の実施形態では、こうした複雑なシステムにおいて、機械学習を使うことで、人力では困難な多数の説明変数に対し非線形回帰のような高度な回帰モデルを作り、補正に使うことができる。
また、本発明の実施形態では、 イオン化効率補正、測定効率補正として分けることなく、1つに統合した補正モデルを作ることができる。また、レーザー共鳴イオン化質量分析は、検出部の性能により、元素組成比だけではなく同位体比の測定が可能であるが、本補正法は同位体比の補正にも適用可能である。
上述した実施形態における評価装置1の全部又は一部をコンピュータで実現するようにしてもよい。その場合、この機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することによって実現してもよい。なお、ここでいう「コンピュータシステム」とは、OSや周辺機器等のハードウェアを含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ROM、CD−ROM等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含んでもよい。また上記プログラムは、前述した機能の一部を実現するためのものであってもよく、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであってもよく、FPGA等のプログラマブルロジックデバイスを用いて実現されるものであってもよい。
以上、この発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。
11a、11b…レーザー発光源,12…質量分析部,13…光学系,14…レーザーパラメータ測定部,15…環境パラメータ測定部,16…質量分析出力及び質量分析パラメータ測定部,17…機械学習及び補正部
Claims (11)
- 試料にレーザー光を照射するレーザー発光源と、
前記レーザー光が照射された試料の元素組成分析を行う質量分析部と、
計測結果に影響を与える可能性のある各種のパラメータを取得する測定部と、
前記質量分析部の測定値を目的変数とし、前記計測結果に影響を与える可能性のある各種のパラメータを説明変数として、機械学習アルゴリズムにより回帰モデルを作成し、標準資料を用いて機械学習を行って生成された予測値を用いて、前記各種のパラメータの影響により受ける成分を補正する補正部と
を備える評価装置。 - 前記質量分析部は、レーザー共鳴イオン化質量分析により質量分析を行う請求項1に記載の評価装置。
- 前記各種のパラメータは、レーザー発光源から出射されるレーザー光に関するパラメータである請求項2に記載の評価装置。
- 前記レーザー光に関するパラメータは、レーザー光の波長、レーザー光の出力の全部又は一部である請求項3に記載の評価装置。
- 前記各種のパラメータは、周囲の環境パラメータである請求項2乃至4の何れか1項に記載の評価装置。
- 前記周囲の環境パラメータは、レーザー光路がある環境の温度、湿度、気圧の全部又は一部である請求項5に記載の評価装置。
- 前記各種のパラメータは、質量分析に関するパラメータである請求項2乃至6の何れか1項に記載の評価装置。
- 前記質量分析に関するパラメータは、試料に照射されるレーザー光の照射位置、試料温度、測定部の電圧、真空度の全部又は一部である請求項7に記載の評価装置。
- 試料にレーザー光を照射し、試料の元素組成分析を行う工程と、
計測結果に影響を与える可能性のある各種のパラメータを取得する工程と、
質量分析の測定値を目的変数とし、前記計測結果に影響を与える可能性のある各種のパラメータを説明変数として回帰モデルを作成し、標準資料を用いて機械学習を行って生成された予測値を用いて、前記各種のパラメータの影響により受ける成分を補正する工程と
を備える評価方法。 - レーザー光が照射された試料の元素組成分析を行う質量分析部の計測結果を補正するための学習装置であって、
質量分析の測定値を目的変数とし、前記計測結果に影響を与える可能性のある各種のパラメータを説明変数として、機械学習アルゴリズムにより回帰モデルを作成するモデル作成部と、
標準資料を用いて機械学習を行い、各種のパラメータの影響により受ける成分を補正するための補正値を算出する機械学習部と
を備える学習装置。 - レーザー光が照射された試料の元素組成分析を行う質量分析の計測結果を補正するための学習方法であって、
質量分析の測定値を目的変数とし、前記計測結果に影響を与える可能性のある各種のパラメータを説明変数として、機械学習アルゴリズムにより回帰モデルを作成する工程と、
標準資料を用いて機械学習を行い、各種のパラメータの影響により受ける成分を補正するための補正値を算出する工程と
を含む学習方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019223929A JP2021092476A (ja) | 2019-12-11 | 2019-12-11 | 評価装置、評価方法、学習装置、及び学習方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019223929A JP2021092476A (ja) | 2019-12-11 | 2019-12-11 | 評価装置、評価方法、学習装置、及び学習方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021092476A true JP2021092476A (ja) | 2021-06-17 |
Family
ID=76312174
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019223929A Pending JP2021092476A (ja) | 2019-12-11 | 2019-12-11 | 評価装置、評価方法、学習装置、及び学習方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2021092476A (ja) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07501399A (ja) * | 1991-11-20 | 1995-02-09 | バイオーラド ラボラトリーズ インコーポレイテッド | 光電検出器の非線形補正技術 |
JPH10199475A (ja) * | 1997-01-14 | 1998-07-31 | Hitachi Ltd | 質量分析方法及びその装置並びに半導体装置の製造方法 |
JP2001083122A (ja) * | 1999-09-14 | 2001-03-30 | Nohmi Bosai Ltd | 大気中の微量有害物質の監視方法及びその監視装置 |
JP2008008866A (ja) * | 2006-06-30 | 2008-01-17 | Tdk Corp | レーザアブレーション装置及びレーザアブレーション量算出方法 |
JP2016505840A (ja) * | 2012-12-20 | 2016-02-25 | エフ.ホフマン−ラ ロシュ アーゲーF. Hoffmann−La Roche Aktiengesellschaft | 医学的測定曲線の評価方法 |
JP2017062204A (ja) * | 2015-09-25 | 2017-03-30 | 清水建設株式会社 | コンクリート中の微量元素の分析方法および分析装置 |
JP2018077237A (ja) * | 2008-06-23 | 2018-05-17 | アトナープ株式会社 | 化学物質に関連した情報を取り扱うためのシステム |
-
2019
- 2019-12-11 JP JP2019223929A patent/JP2021092476A/ja active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07501399A (ja) * | 1991-11-20 | 1995-02-09 | バイオーラド ラボラトリーズ インコーポレイテッド | 光電検出器の非線形補正技術 |
JPH10199475A (ja) * | 1997-01-14 | 1998-07-31 | Hitachi Ltd | 質量分析方法及びその装置並びに半導体装置の製造方法 |
JP2001083122A (ja) * | 1999-09-14 | 2001-03-30 | Nohmi Bosai Ltd | 大気中の微量有害物質の監視方法及びその監視装置 |
JP2008008866A (ja) * | 2006-06-30 | 2008-01-17 | Tdk Corp | レーザアブレーション装置及びレーザアブレーション量算出方法 |
JP2018077237A (ja) * | 2008-06-23 | 2018-05-17 | アトナープ株式会社 | 化学物質に関連した情報を取り扱うためのシステム |
JP2016505840A (ja) * | 2012-12-20 | 2016-02-25 | エフ.ホフマン−ラ ロシュ アーゲーF. Hoffmann−La Roche Aktiengesellschaft | 医学的測定曲線の評価方法 |
JP2017062204A (ja) * | 2015-09-25 | 2017-03-30 | 清水建設株式会社 | コンクリート中の微量元素の分析方法および分析装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Barberio et al. | Laser-accelerated proton beams as diagnostics for cultural heritage | |
JP3965191B2 (ja) | 蛍光x線分析装置およびそれに用いるプログラム | |
JPWO2014106940A1 (ja) | ガス吸収分光装置及びガス吸収分光方法 | |
US9945797B2 (en) | Analysis method for obtaining XPS and AES and elements in each chemical bonding state and X-ray photoelectron spectroscope for same | |
Brabcová et al. | Uncertainties in linear energy transfer spectra measured with track-etched detectors in space | |
Sukhikh et al. | Simulation of transition radiation based beam imaging from tilted targets | |
JP6528279B2 (ja) | コンクリート中の微量元素の分析方法および分析装置 | |
Cao et al. | Spatio-temporally resolved spectral measurements of laser-produced plasma and semiautomated spectral measurement-control and analysis software | |
JP2021092476A (ja) | 評価装置、評価方法、学習装置、及び学習方法 | |
US9287104B2 (en) | Material inspection apparatus and material inspection method | |
Ferrigno et al. | Energy-resolved pulse profiles of accreting pulsars: Diagnostic tools for spectral features | |
Jones et al. | A bootstrap method for gain calibration and resolution determination of a lead-glass calorimeter | |
JP2014224812A (ja) | 成分濃度計測装置と方法 | |
Galea et al. | Radar REMPI diagnostic for low neutral density measurements of xenon in helium buffer gas: Experiments and modeling | |
CN105445239A (zh) | 基于背景扣除的元素检测方法和系统 | |
JP2022077588A (ja) | 動的光散乱測定装置、動的光散乱測定・解析方法、および、測定・解析プログラム | |
Seesahai | Plasma Temperature Measurements in the Context of Spectral Interference | |
JP2009074954A (ja) | 蛍光x線分析装置およびそれに用いるプログラム | |
Dimmock et al. | Validation of a Geant4 model of the X-ray fluorescence microprobe at the Australian synchrotron | |
JP2010019562A (ja) | レーザ光を用いた2次元分布計測装置 | |
KR100763553B1 (ko) | 포토레지스트 분석 장치 및 방법 | |
US20130268210A1 (en) | Methods and systems for performing an elemental analysis | |
KR102294344B1 (ko) | 라만 스펙트럼의 다중 피크비를 이용한 방사선량 측정 방법 및 장치 | |
JP6326347B2 (ja) | ライブタイム比演算回路、ライブタイム比演算方法、放射線検出装置、および試料分析装置 | |
JP5501797B2 (ja) | スペクトラム分析装置及びスペクトラム分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221028 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230428 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230523 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20231114 |