核セキュリティ事象初動対応のための機械学習を応用したガンマ線スペクトル解析; 検出器シミュレーションによる学習データの構築及び核種判定アルゴリズムにおける有用性の検討

Machine-learning based gamma-ray spectrum analysis for initial response on nuclear security event; Development of training data set by detector simulation and usability evaluation for radioisotope identification algorism

木村 祥紀  ; 土屋 兼一*

Kimura, Yoshiki; Tsuchiya, Kenichi*

規制外の核・放射性物質(MORC)に関連する核セキュリティ事象は、公衆衛生, 環境, 経済, 社会的に重大な悪影響を及ぼす可能性がある。MORCに関連する核セキュリティ事象が発生した際には、現場での初動対応として核・放射性物質などの原因物質を特定することが必要不可欠である。本研究では、機械学習に基づくガンマ線スペクトル解析による携帯型検出器を対象とした核種判定アルゴリズムを開発する。検出器シミュレーションにより機械学習データセットを構築し、核種判定を目的とした機械学習モデルに対するシミュレーションベースの学習データセットの有用性について議論する。

A nuclear security event involving nuclear and other radioactive materials out of regulatory control (MORC) has potential severe consequence on public health, environments, economics and society. When a nuclear security event caused by MORC would be occurred, it is essential to identify the hazardous substances such as nuclear materials and radioisotopes as the initial response activity at the event scene. In this study, automated radioisotope identification algorism by Machine-Learning (ML) based gamma-ray spectrum analysis using handheld type detectors have been developed. The training data set for ML-based algorism has been developed based on detector simulation and the usability of the simulation-based data set for ML model training to perform radioisotope identification has been discussed.