[논문 리뷰] Emulator-based Bayesian Inference on Non-Proportional Scintillation Models by Compton-Edge Probing

David Breitenmoser, F. Cerutti외 3명|arXiv (Cornell University)|2023. 02. 11.

Radiation Detection and Scintillator Technologies인용 수 1

한 줄 요약

이 논문은 NaI(Tl)와 같은 무기闪烁체에서 비비례 스크린티레이션 모델(NPSM)을 校정하기 위해 Compton-edge 탐측을 활용한 새로운 에뮬레이터 기반 베이지안 추론 프레임워크를 제시한다. 전자 빔 또는 K-딥 측정이 필요로 하지 않으며, 실험실 감마선 스펙트로미터리, 마르코프 체인 몬테카를로(MCMC) 베이지안 역설계, 몬테카를로 시뮬레이션의 기계학습 에뮬레이터를 결합함으로써, NPSM 파라미터를 정확히 추론하고 95% 신뢰구간을 통해 내재된 에너지 해상도를 정량화한다.

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.

연구 동기 및 목표

• 정확한 감마선 스펙트로미터리에 필수적인 무기闪烁체에서 비비례 스크린티레이션 모델(NPSM)을 校정하는 데 도전하는 문제를 해결한다. 기존 방법으로는 어렵다.
• 특수 장비가 필요하고 현장 또는 임무 핵심 응용 분야에 적용하기 어려운 기존 NPSM 캘리브레이션 기법(예: K-딥 스펙트로스코피 및 전자 빔 측정)의 한계를 극복한다.
• 일반적인 실험실 감마선 스펙트로미터리 데이터만을 사용하여 NPSM 파라미터를 추론할 수 있는 확장 가능하고 비침습적인 방법을 개발한다.
• 입자물리학, 천문학 및 우주 임무 등 응용 분야에서 스펙트럼 응답 모델링을 향상시키기 위해, 스크린티레이션 메커니즘에 따라 Compton edge 동역학을 정확히 예측할 수 있도록 한다.

제안 방법

• 캘리브레이션된 라디오니클리드 원천과 NaI(Tl) 스크린티레이터를 사용하여 실험실 기반 감마선 스펙트로미터리를 수행하여 Compton edge 스펙트럼 데이터를 수집한다.
• 에너지 손실이 전자 정지력과 캐리어 포획에 따라 달라지는 비비례 스크린티레이션 모델(NPSM)을 포함한 다기능 몬테카를로 코드(FLUKA)를 사용하여 검출기 반응을 시뮬레이션한다.
• 베이지안 추론에 필요한 정방향 모델링을 가속화하기 위해 몬테카를로 시뮬레이션 데이터 기반 기계학습 에뮬레이터(대체 모델)를 훈련시킨다.
• 마르코프 체인 몬테카를로(MCMC) 알고리즘을 사용한 베이지안 역설계를 적용하여 NPSM 파라미터의 사후 분포를 추론한다. 여기에는 dE/ds |Birks, dE/ds |Trap, ηe/h, 그리고 오차 분산 σ²ε 가 포함된다.
• 체계적 불확실성을 고려하기 위해 경험적 해상도 파라미터(B₁*, B₂, D₁)와 사전 분포를 통합한다.
• Compton edge의 위치와 형태를 주로 관측 변수로 사용하여 비비례 스크린티레이션에 민감한 Compton edge의 특성을 제약 조건으로 활용한다.

실험 결과

연구 질문

• RQ1 감마선 스펙트로미터리에서 Compton-edge 탐측이 전자 빔 또는 K-딥 측정의 대안으로서 비비례 스크린티레이션 모델을 캘리브레이션하는 데 실용적인가?
• RQ2 기존 몬테카를로 시뮬레이션의 전체 시뮬레이션을 대체할 수 있는 기계학습 에뮬레이터는 NPSM 캘리브레이션의 베이지안 추론에서 어느 정도의 성능을 보일 수 있는가?
• RQ3 MCMC를 사용한 베이지안 추론은 정지력 및 캐리어 비율과 같은 NPSM 파라미터의 불확실성을 어느 정도 정량화할 수 있는가?
• RQ4 NPSM 파라미터가 예측된 Compton edge 동역학에 어떤 영향을 미치며, 직접적인 전자 반응 측정 없이도 이를 신뢰성 있게 예측할 수 있는가?
• RQ5 제안된 프레임워크는 추가 실험적 캘리브레이션 데이터 없이도 다른 무기 스크린티레이터에 일반화될 수 있는가?

주요 결과

• 95% 신뢰구간을 사용하여 NPSM 파라미터를 성공적으로 제약 조건화하였으며, 에너지 스케일 불확실성 2.5% 하에서 dE/ds |Birks = 3.10 × 10² MeV cm⁻¹ (95% CI: [2.79, 3.48] × 10² MeV cm⁻¹) 및 dE/ds |Trap = 1.46 × 10¹ MeV cm⁻¹ (95% CI: [1.33, 1.50] × 10¹ MeV cm⁻¹) 를 도출하였다.
• 자유 캐리어 비율 ηe/h 는 5.92 × 10⁻¹ 으로 추정되었으며, 95% 신뢰구간 [5.82, 6.01] × 10⁻¹ 으로 전자 이동 효율이 높음을 시사한다.
• 오차 모델 분산 σ²ε 는 1.12 × 10⁻¹ cps² Bq⁻² (95% CI: [0.89, 1.56] × 10⁻¹ cps² Bq⁻²) 로 추정되었으며, 측정-모델 불일치의 불확실성을 반영한다.
• 훈련된 에뮬레이터 덕분에 파라미터 공간 전역에서 Compton edge 동역학을 신속하고 정확하게 예측할 수 있었으며, 전체 몬테카를로 시뮬레이션 대비 계산 비용을 수 개의 주기로 감소시켰다.
• 여러 개의 NaI(Tl) 결정에서 일관된 캘리브레이션 결과를 도출하였으며, 경험적 해상도 파라미터(B₁*, B₂, D₁)는 결정 간 변동성이 낮고 잘 정의된 가우시안 사전 분포를 보였다.
• 에너지 스케일 변화에 대해 강건하며, 에너지 침착 스케일에 ±2.5% 변화가 있더라도 파라미터 추정치는 안정성을 유지하여 실제 응용 분야에서의 실용성을 입증하였다.