본 연구는 고체 전해질(SSEs)에서의 중성자 심부 프로파일링(NDP) 분석 정확도를 향상시키기 위해 개발된 인공신경망(ANN) 기반 펄스 형상 판별(PSD) 알고리즘을 제시한다. 제안된 접근법의 핵심 혁신은 일반적으로 분석 정밀도를 저해하는 저에너지 배경 신호를 효과적으로 억제하는 데에 있다. 저에너지 영역에서의 라벨링 어려움을 극복하기 위해 학습 데이터는 백색 잡음으로 증강되었으며, 이는 모사된 저에너지 신호를 판별하는 모델의 능력을 향상시켰다. 기존의 상승시간( rise-time ) 방법과 비교하여 ANN 기반 PSD 알고리즘은 더 높은 판별 성능을 나타내는 곡선하 면적(Area Under the Curve, AUC) 값에서 77% 더 큰 향상을 보였다. 또한 알고리즘의 성능을 해석하고 평가하기 위해 설명가능한 인공지능 기법을 적용하였다. 이는 SSEs의 NDP 분석에서 고정밀도를 향상시키는 데 있어 ANN 기반 PSD의 신뢰성과 잠재력을 강조하였다.

실리콘 광증배기(silicon photomultipliers, SiPMs)를 광자 검출 시스템에 활용하면 검출 모듈의 크기를 줄이고, 휴대성과 견고성을 향상시키며, 제품 비용을 낮출 수 있다. 본 연구는 열발광(thermoluminescence, TL) 측정에서 SiPM의 가능성을 검토하고, 검출 한계, 온도의존성, 선량 반응(dose response)을 중심으로 평가하였다. 검출기로는 50 μm 단일광자 애벌랜치 다이오드(single-photon avalanche diodes, SPADs)로 구성된 3 × 3 mm 2 다중 픽셀 포토 카운터(multi-pixel photon counter, MPPC, Hamamatsu MPPC)를 단일광자 계수 모드에서 사용하였다. 이 실험 구성은 TL 판독에서 기존 광전자 증배관(photomultiplier tube, PMT)과 비교하였다. 두 검출기 간의 유사한 광 노출을 보장하기 위해, PMT 앞에 지름 3 mm의 핀홀을 배치하였다. 센서 온도를 −20 °C로 유지하기 위해 열전 냉각(thermoelectric, TE) 냉각 모듈을 사용한 결과, 1.2% 미만의 변동으로 신호 재현성을 확보하였으며, 네 가지 선량계(dosimeter)에 대해 30~300 μGy 범위의 검출 한계를 평가하였다: LiF:Mg,Ti, LiF:Mg,Cu,P, LiF:Mg,Cu,Si, 그리고 Al 2 O 3 :C. 시스템의 선량 반응은 펄스 적층(pile-up) 효과로 인한 현저한 신호 포화로 인해 제한되었다. 우리는 50 ns의 마비성 데드타임(paralyzable deadtime)을 갖는 보정 모델을 도입하였고, 이를 통해 신호 응답이 20배 이상 향상되었다. 또한, 본 모델은 암상 검출률(dark count rate, DCR)이 높은 조건에서 최대 1.67 MHz까지 관측된 계수율(count rates)과도 잘 일치하였다. 본 연구의 결과는 TL 검출기로서 SiPM의 전망에 관한 논의에 더하여 기여한다. • TL 측정에서 SiPM의 능력과 한계가 조사되었다. • 네 가지 선량계에 대해 열적 안정성과 검출 한계를 평가하였다. • 제안된 데드타임 모델은 약 20배 수준의 응답 향상에 기여하였다.