[論文レビュー] Emulator-based Bayesian Inference on Non-Proportional Scintillation Models by Compton-Edge Probing

David Breitenmoser, F. Cerutti+3 more|arXiv (Cornell University)|Feb 11, 2023

Radiation Detection and Scintillator Technologies被引用数 1

ひとこと要約

本論文は、ナトリウムヨウ化イッセイ（NaI(Tl)）などの無機シンチレーターにおける非比例性シンチレーションモデル（NPSM）をキャリブレーションするため、コンプトンエッジプロービングを用いた新規なエミュレータベースのベイズ推論フレームワークを提示する。電子ビームまたはKダイプ測定を必要とせず、ラボでのガンマ線分光測定とマルコフ連鎖モンテカルロ（MCMC）ベイズ逆問題、およびモンテカルロシミュレーションの機械学習エミュレータを組み合わせることで、NPSMパラメータを正確に推定し、95%信用区間を用いて固有エネルギー分解能を定量化する。

ABSTRACT

Scintillator detector response modelling has become an essential tool in various research fields such as particle and nuclear physics, astronomy or geophysics. Yet, due to the system complexity and the requirement for accurate electron response measurements, model inference and calibration remains a challenge. Here, we propose Compton edge probing to perform non-proportional scintillation model (NPSM) inference for inorganic scintillators. We use laboratory-based gamma-ray radiation measurements with a NaI(Tl) scintillator to perform Bayesian inference on a NPSM. Further, we apply machine learning to emulate the detector response obtained by Monte Carlo simulations. We show that the proposed methodology successfully constrains the NPSM and hereby quantifies the intrinsic resolution. Moreover, using the trained emulators, we can predict the spectral Compton edge dynamics as a function of the parameterized scintillation mechanisms. The presented framework offers a novel way to infer NPSMs for any inorganic scintillator without the need for additional electron response measurements.

研究の動機と目的

• 正確なガンマ線分光測定に不可欠な無機シンチレーターにおける非比例性シンチレーションモデル（NPSM）のキャリブレーションという課題に取り組む。既存の手法では困難である。
• 特殊な装置を要するKダイプ分光法や電子ビーム測定といった、現在のNPSMキャリブレーション技術の限界を克服し、現地での応用やミッションクリティカルな状況でも実用可能である。
• 標準的なラボ用ガンマ線分光測定データのみを用いて、NPSMパラメータを推定するスケーラブルで非侵襲的な手法を開発する。
• シンチレーション機構に応じたコンプトンエッジダイナミクスの正確な予測を可能にし、素粒子物理学、天文学、宇宙ミッションなどの分野における分光応答モデルの向上を図る。

提案手法

• 校正済みラジオニクライド源とNaI(Tl)シンチレーターを用いたラボベースのガンマ線分光測定により、コンプトンエッジスペクトルデータを収集する。
• エネルギー損失が電子の停止力およびキャリアトラップに依存する非比例性シンチレーションモデル（NPSM）を含む、多目的モンテカルロコード（FLUKA）を用いて検出器応答をシミュレートする。
• ベイズ推論に必要な前方モデル化を高速化するため、モンテカルロシミュレーションデータに基づいて機械学習エミュレータ（サーヴィレートモデル）を訓練する。
• マルコフ連鎖モンテカルロ（MCMC）アルゴリズムを用いたベイズ逆問題を適用し、dE/ds |Birks、dE/ds |Trap、ηe/h、および不一致分散σ²εを含むNPSMパラメータの事後分布を推定する。
• 系統的不確実性を補償するため、実験的分解能パラメータ（B₁*, B₂, D₁）と事前分布を組み込む。
• コンプトンエッジの位置と形状を主観測量として用い、非比例性シンチレーションに敏感であるという事実を活用してNPSMを制約する。

実験結果

リサーチクエスチョン

• RQ1 ガンマ線分光測定におけるコンプトンエッジプロービングは、電子ビームまたはKダイプ測定の代替として、非比例性シンチレーションモデルのキャリブレーションに有効であると言えるか？
• RQ2 モンテカルロシミュレーションの機械学習エミュレータは、NPSMキャリブレーションにおけるベイズ推論で、完全なシミュレーションをどの程度代替できるか？
• RQ3 MCMCを用いたベイズ推論は、停止力やキャリア分率といったNPSMパラメータの不確実性をどの程度正確に定量化できるか？
• RQ4 NPSMパラメータが予測されるコンプトンエッジダイナミクスに及ぼす影響は何か？また、直接的な電子応答測定が不要な状況でも、これらを信頼性高く予測できるか？
• RQ5 提案されたフレームワークは、追加の実験的キャリブレーションデータを必要とせず、他の無機シンチレーターにも一般化可能か？

主な発見

• 95%信用区間を用いてNPSMパラメータを良好に制約し、エネルギースケール不確実性2.5%のもとで、dE/ds |Birks = 3.10 × 10² MeV cm⁻¹（95% CI: [2.79, 3.48] × 10² MeV cm⁻¹）およびdE/ds |Trap = 1.46 × 10¹ MeV cm⁻¹（95% CI: [1.33, 1.50] × 10¹ MeV cm⁻¹）が得られた。
• 自由キャリア分率ηe/hは5.92 × 10⁻¹（95%信用区間：[5.82, 6.01] × 10⁻¹）と推定され、電子輸送効率が非常に高いことが示された。
• 不一致モデル分散σ²εは1.12 × 10⁻¹ cps² Bq⁻²（95% CI: [0.89, 1.56] × 10⁻¹ cps² Bq⁻²）と推定され、測定とモデルの不一致に起因する不確実性を反映している。
• 訓練済みエミュレータにより、パラメータ空間全域におけるコンプトンエッジダイナミクスの高速かつ高精度な予測が可能となり、完全なモンテカルロシミュレーションと比較して計算コストが桁違いに削減された。
• 複数のNaI(Tl)結晶において一貫したキャリブレーション結果が得られ、実験的分解能パラメータ（B₁*, B₂, D₁）は結晶間で変動が小さく、明確なガウス事前分布を示した。
• エネルギースケールの変動に対してもロバストであることが確認され、エネルギー損失スケールに±2.5%のずれが生じてもパラメータ推定値が安定しており、実用的応用の可能性を示した。