[论文解读] 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 1

一句话总结

该论文提出了一种基于模拟器的贝叶斯推断框架，利用康普顿边缘探测技术校准碘化钠掺铊（NaI(Tl)）等无机闪烁体中的非比例闪烁模型（NPSM），无需依赖电子束或K-滴定测量。通过结合实验室伽马射线能谱测量、马尔可夫链蒙特卡洛（MCMC）贝叶斯反演以及蒙特卡罗模拟的机器学习模拟器，该方法能够准确推断NPSM参数，并以95%可信区间量化本征能量分辨率。

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.

研究动机与目标

• 解决在无机闪烁体中校准非比例闪烁模型（NPSM）的挑战，这类模型对精确的伽马射线能谱测量至关重要，但现有方法难以校准。
• 克服当前NPSM校准技术（如K-滴定能谱法和电子束测量）的局限性，这些方法需要专用设备，且不适用于现场或任务关键型应用。
• 开发一种可扩展、非侵入性的方法，仅利用实验室源的标准伽马射线能谱数据推断NPSM参数。
• 实现对康普顿边缘动力学的准确预测，作为闪烁机制的函数，从而提升粒子物理、天文学和空间任务中能谱响应建模的精度。

提出的方法

• 使用校准的放射性核素源和NaI(Tl)闪烁体，在实验室中进行伽马射线能谱测量，采集康普顿边缘能谱数据。
• 使用通用型蒙特卡罗代码（FLUKA）模拟探测器响应，采用包含电子阻止功率和载流子捕获依赖关系的非比例闪烁模型（NPSM）。
• 在蒙特卡罗模拟数据上训练机器学习模拟器（代理模型），以加速贝叶斯推断所需的正向建模过程。
• 应用基于马尔可夫链蒙特卡洛（MCMC）算法的贝叶斯反演，推断NPSM参数的后验分布，包括dE/ds |Birks、dE/ds |Trap、ηe/h以及差异方差σ²ε。
• 引入经验分辨率参数（B₁*, B₂, D₁）和先验分布，以考虑校准过程中的系统不确定性。
• 以康普顿边缘位置和形状为主要可观测量，利用康普顿边缘对非比例闪烁的已知敏感性来约束NPSM。

实验结果

研究问题

• RQ1 能否在伽马射线能谱测量中利用康普顿边缘探测作为电子束或K-滴定测量的可行替代方法，用于校准非比例闪烁模型？
• RQ2 机器学习模拟器在贝叶斯推断中对NPSM校准的全量模拟替代程度如何？
• RQ3 基于MCMC的贝叶斯推断在量化停止功率和载流子分数等NPSM参数不确定性方面能达到多高精度？
• RQ4 NPSM参数对预测的康普顿边缘动力学有何影响？是否可在无需直接电子响应测量的情况下可靠预测这些动力学？
• RQ5 该框架是否可推广至其他无机闪烁体，而无需额外的实验校准数据？

主要发现

• 该方法成功以95%可信区间约束了NPSM参数，得出dE/ds |Birks = 3.10 × 10² MeV cm⁻¹（95%可信区间：[2.79, 3.48] × 10² MeV cm⁻¹），以及dE/ds |Trap = 1.46 × 10¹ MeV cm⁻¹（95%可信区间：[1.33, 1.50] × 10¹ MeV cm⁻¹），在2.5%能量标度不确定性下成立。
• 自由载流子分数ηe/h推断为5.92 × 10⁻¹，95%可信区间为[5.82, 6.01] × 10⁻¹，表明电子输运效率较高。
• 差异模型方差σ²ε估计为1.12 × 10⁻¹ cps² Bq⁻²（95%可信区间：[0.89, 1.56] × 10⁻¹ cps² Bq⁻²），反映了测量-模型不匹配的不确定性。
• 训练好的模拟器可实现对参数空间中康普顿边缘动力学的快速且准确预测，与完整蒙特卡罗模拟相比计算成本降低多个数量级。
• 该框架在多个NaI(Tl)晶体上均实现一致的校准结果，经验分辨率参数（B₁*, B₂, D₁）表现出较低的晶间差异性，并具有明确的高斯先验分布。
• 该方法在能量标度变化下具有鲁棒性，当能量沉积标度发生±2.5%偏移时，参数估计保持稳定，证明了其在实际应用中的可行性。