Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
石川 諒椰*; 鈴木 正敏*; 木野 康志*; 遠藤 暁*; 中島 裕夫*; 岡 壽崇; 高橋 温*; 清水 良央*; 鈴木 敏彦*; 篠田 壽*; et al.
KEK Proceedings 2022-2, p.61 - 66, 2022/11
福島県の野生ニホンザルの肝臓・膀胱・大腿筋を用いて、低線量放射線による生物影響の要因と考えられる酸化ストレスとその防御機構である抗酸化活性のバランスを調べた。その結果、福島第一原子力発電所事故に起因する非常に低い線量率の放射線被ばくによって、事故から7年から10年が経過しても放射線に対する生物の応答反応が外部被ばく・内部被ばくに共通して持続すること、その変動傾向は臓器によって異なるものの、いずれも酸化ストレスと抗酸化機構が関連して変動する可能性が示唆された。
2003年谷内 茂康; 佐藤 忠; 須賀 新一*; 小室 雄一; 内田 正明; 中島 邦久; 中村 仁一; 雨澤 博男; 大村 英昭*; 湊 和生; et al.
JAERI-Review 2003-025, 162 Pages, 2003/09
JAERI-Review-2003-025.pdf:5.96MB
国家資格試験として実施されている核燃料取扱主任者試験問題(第31回35回,19992003年)の解答例集である。解答例によって、簡単な解説あるいは参考文献を付記した。
大久保 博生*; 中島 研吾*; 松本 昌昭*
JNC TJ1400 2005-015, 388 Pages, 1999/02
JNC-TJ1400-2005-015.pdf:27.73MB
本研究では、以下の検討を行った。(1)不均質媒体中での核種及び水理の移行現象を中心とした解析対象シナリオの検討。(2)不均質媒体中の核種移行、コロイド影響、水理の各解析・評価手法に関する研究。(3)(1)で抽出されたシナリオに基づき、(2)で検討された先進的な評価モデルの適用も視野に入れた包括的な性能評価スキームの検討。その結果、性能評価スキームの高度化のために今後検討すべき研究課題が明らかにされた。
石川 諒椰*; 鈴木 正敏*; 木野 康志*; 遠藤 暁*; 中島 裕夫*; 岡 壽崇; 高橋 温*; 清水 良央*; 鈴木 敏彦*; 篠田 壽*; et al.
no journal, ,
福島第一原子力発電所事故後の長期被ばくによる酸化ストレス状態への影響を調べるため、避難区域にいた野生のニホンザルの肝臓と膀胱における酸化ストレスマーカーを分析した。肝臓では被曝群の約70%のマロンジアルデヒド(MDA)濃度が対照群の平均濃度を超え、スーパーオキシドジスムターゼ(SOD)活性は低い方にシフトした。反対に、膀胱ではMDA濃度は低位に、SOD活性は高位にシフトした。また、酸化ストレスマーカーは、外部被ばくと内部被ばくで同じように変化することがわかった。これらのことから、事故後の低線量・低線量率の放射線被ばくが、抗酸化酵素の活性を変化させることで酸化ストレスに対する感受性に影響を与える可能性があることが示唆された。
土持 亮太; 加藤 正人; 中嶋 竜矢; 廣岡 瞬; 渡部 雅; 中道 晋哉; 村上 龍敏; 石井 克典
no journal, ,
MOX燃料の製造は、異なる特性を有する複数の原料粉末を用いて機会混合法により行われるが、工程が多く、MOX特有の性質により独特の困難さがある。本研究では、これまでの製造データから、原料粉末の種類、製造条件及び焼結密度の関係を機械学習させることによって、MOX燃料の機械学習焼結密度予測モデルを導出した。
鈴木 正敏*; 石川 諒椰*; 岡 壽崇; 山下 琢磨*; 木野 康志*; 遠藤 暁*; 中島 裕夫*; 佐藤 拓*; 磯部 理央*; 千田 浩一*; et al.
no journal, ,
福島第一原子力発電所事故後の長期被ばくによる生物影響の知見は少なく、旧警戒区域に生息している野生動物から採取した試料の解析結果は貴重である。本研究では、有害鳥獣駆除された野生ニホンザルから試料を採取し、酸化ストレス状態を指標とする放射線被ばく影響解析を行った。酸化ストレスの誘発は一部の個体の肝臓で観察された一方で、2種の抗酸化酵素活性が低下していたことから、放射線被ばく以外によって生じる二次的な酸化ストレスに対して感受性を示す肝臓環境が形成されている可能性が示唆された。
中嶋 竜矢; 加藤 正人; 土持 亮太; 廣岡 瞬; 渡部 雅; 中道 晋哉; 村上 龍敏; 石井 克典
no journal, ,
原子力機構では、MOX燃料製造のより深い理解のため、昨年度より機械学習による焼結密度予測モデルの開発に着手し、これまでの製造データから焼結密度予測モデルを作成した。既存の予測モデルでは、学習用データの範囲内では高精度の予測結果が得られたが、学習データに含まれない製造条件の予測時には予測精度が低かった。この要因として、従来の予測モデルは学習用データのパラメータ数が多く、過学習状態となっていたものと考えられた。本研究では、焼結密度への影響が大きなパラメータのみを学習用データとした新たな予測モデルを作成し、汎化性能の改善を図った。