فهرست نشریات علمی دسترسی آزاد ایران

صنعت هسته‌ای حوزه‌ای است که استفاده از شبکه‌های عصبی در سال‌های اخیر در آن اهمیت فزاینده‌ای پیداکرده است. یکی از کاربردهای مهم و کلیدی شبکه‌های عصبی در صنعت هسته‌ای در تحلیل داده‌های هسته‌ای به دست آمده از محاسبات، سنجشگرهای هسته‌ای از قبیل سنجشگرهای مبتنی بر پرتوی گاما برای اندازه‌گیری ضخامت، چگالی، فلوی سیالات، آزمایش‌های تجربی و آزمون‌های غیرمخرب نظیر پرتونگاری و … است. روش‌های اندازه‌گیری هسته‌ای مبتنی بر پرتوی گامای عبوری از یک ماده و یا فرایند، یک روش غیرمخرب است که در شکل کلی از یک چشمه رادیوایزوتوپی پرتوزا  مانند چشمه سزیوم-137 و کبالت-60 و یک واحد آشکارسازی سوسوزن تشکیل شده است. در این مطالعه از طریق مدل‌سازی با کد مونت‌کارلوی MCNPX، هندسه‌ی مد عبوری برای ضخامت سنجی رادیوایزوتوپی طراحی گردید و در این مدل سه نمونه فلز پر کاربرد در صنایع (مس، آهن و آلومینیوم) با هدف تعیین ضخامت آنها استفاده شد. برای ایجاد مجموعه داده با تعداد بالا ضخامت نمونه‌ها از 5/0 تا 50 میلی‌متر با گام 5/0 میلی‌متر تغییر داده شد و نتایج محاسبات مونت‌کارلو به صورت ارتفاع پالس در آشکارساز ثبت شد. در ادامه تمامی نتایج حاصل از انرژی‌های مختلف به صورت مجموع برای آموزش شبکه‌ی عصبی مصنوعی بر پایه توابع شعاعی (RBF) و پرسپترون چندلایه (MLP) استفاده شد تا پس از آموزش این شبکه‌ها قادر به پیش‌بینی ضخامت فلزات مختلف باشند. نتایج به دست آمده از دو شبکه برای خروجی مدل با یکدیگر مقایسه شدند. نتایج نشان داد که پاسخ شبکه MLP نسبت به RBF در این کاربرد رضایت بخش‌تر است.