日韩欧美精品三级,激情婷婷亚洲,日韩午夜一区,夜夜夜精品看看

核輻射能譜分析是通過探測放射源來研究物質屬性的重要手段。然而，堆疊效應成為高計數率環境下能譜估計的主要挑戰之一。該現象源于光子到達間隔短于電信號的生成時間，導致多個脈沖重疊（堆疊），從而引起能量峰值漂移、能量分辨率下降等問題。

針對以上問題，近日，中國科學院上海高等研究院（SARI）感知與計算團隊聯合以色列沙蒙工程學院Dima Bykhovsky教授以及Tom Trigano教授，針對高計數率環境下核能譜測量中的堆疊效應問題，提出了一種創新的基于深度學習的能譜估計方法。該方法結合自注意力機制與卷積神經網絡（CNN）架構，解決了傳統方法在高計數率條件下的能譜失真問題。相關研究成果已于2025年5月發表于《IEEE Transactions on Instrumentation and Measurement》期刊。

提出的基于深度學習的能譜估計方法采用了名為AttnUNet++的神經網絡架構，結合自注意力機制（Self-Attention）與UNet模型，能夠在極端堆疊情況下有效捕捉信號的局部和全局依賴關系，進行精確的能譜估計。與傳統方法相比，該方法不僅在高計數率下具有更高的精度，還能顯著提高能譜估計的效率和實時性。

研究團隊通過與當前最先進的時間域方法（Allpix2模擬器）對比，表明該方法在多個數據源和不同噪聲強度條件下展現了極強的魯棒性。實驗結果顯示，AttnUNet++能夠在高計數率環境下精確推斷能譜，優于傳統方法，尤其在堆疊效應嚴重時，仍能保持較高的能量分辨率和估計精度。此外，團隊還通過模擬數據和在上海同步輻射光源采集的真實數據的多次實驗，驗證了該方法的實際應用價值。尤其在低噪聲、低計數率下，能譜估計的精度仍然較高，符合核測量任務對實時性和精度的嚴格要求。

該研究得到了國家自然科學基金、國家重點研發計劃、上海市人才發展基金等項目的資助支持，并為未來高性能核輻射探測系統的設計和應用提供了新的思路和解決方案。

圖1：論文中提出的基于AttnUNet++的端到端能譜估計架構

論文鏈接：

https://ieeexplore.ieee.org/abstract/document/11015340