En ny algoritm kan möjliggöra snabbare, billigare upptäckt av kärnmaterial av vapenkvalitet vid gränserna, snabbt skilja mellan godartade och olagliga strålningssignaturer i samma last.

Utvecklingen är ett samarbete mellan forskare vid University of Illinois i Urbana-Champaign, University of Michigan, Los Alamos National Laboratory, Heriot-Watt University (Edinburgh, STORBRITANNIEN), och University of Edinburgh.

"Vi hoppas att resultaten kommer att vara till hjälp för att minska antalet falska positiva larm vid strålningsportalmonitorer, även i scenarier med flera källor närvarande, och möjliggöra användningen av kostnadseffektiva detektorer, såsom organiska scintillatorer, sa Angela DiFulvio, en biträdande professor i kärnkraft, plasma och radiologisk teknik vid University of Illinois och motsvarande författare till studien som nyligen publicerades i Naturvetenskapliga rapporter .

DiFulvio är också en före detta postdoktor i Detection for Nuclear Nonproliferation Group vid U-M, ledd av Sara Pozzi, professor i kärnteknik och radiologisk vetenskap.

Nationer måste skydda sina medborgare från hotet om kärnvapenterrorism. Kärnsäkerhet avskräcker och upptäcker smuggling av speciellt kärnmaterial – höganrikat uran, plutonium av vapenkvalitet, eller material som producerar mycket strålning – över nationsgränser.

Forskarna utvecklade en algoritm som kan identifiera svaga strålningssignaler, sådant som kan ses från plutoniuminkapslade material som absorberar strålning. Det fungerar även i närvaro av en bakgrund med hög strålning, inklusive vardagliga källor som kosmiska strålar från rymden och radon från berget under fötterna.

Baserat på deras resultat, de tror att användningen av deras algoritm kan förbättra förmågan hos strålningsportalmonitorer vid nationella gränser att se skillnaden mellan potentiell smugglingsverksamhet och godartade strålkällor. Till exempel, naturligt förekommande radioaktiva material som keramik och gödningsmedel, eller radionuklider hos nyligen behandlade nuklearmedicinska patienter, kan utlösa "störande" larm vid strålningsskanningsanläggningar.

"Det finns också oro för att någon kanske vill maskera en radioaktiv källa, eller speciellt kärnämne, genom att använda naturligt förekommande radioaktiva material som granit eller kattsand, sa Pozzi, som också är senior författare på tidningen.

"När fordon eller lådor skannas, data från detektorn kan överföras genom dessa algoritmer som blandar de olika källorna. Algoritmerna kan snabbt identifiera om speciella kärnmaterial finns, " tillade hon.

Att blanda upp källor så att smugglingsverksamhet inte kan döljas bland godartade strålkällor är svårt att göra snabbt. För det, teamet vände sig till specialister inom maskininlärning, som kunde använda data som samlats in av Pozzis grupp för att "träna" algoritmer för att leta efter signaturerna för material som skulle kunna användas för att göra en kärnvapenbomb.

"Vi skapade en oblandningsmodell som både återspeglar problemets grundläggande fysik och som också var mottaglig för snabb beräkning, " sa medförfattaren Alfred Hero, John H. Holland Distinguished University Professor of Electrical Engineering and Computer Science och R. Jamison och Betty Williams Professor of Engineering U-M.

Denna forskning började vid U-M som en del av Consortium for Verification Technology, ett femårigt 25 miljoner dollar forskningsprogram för kärnvapen icke-spridning finansierat av U.S. Nuclear National Security Administration, ledd av Pozzi. DiFulvio fortsatte arbetet när hon flyttade till UIUC 2018.

"Detta arbete är ett kraftfullt exempel på fördelen med ett nära och ihållande samarbete mellan dataforskare och kärntekniker, vilket resulterar i en betydande förbättring av detektering och identifiering av kärnstrålning, " Sa Hero.

Tidningen heter, "Förväntningsutbredning för svag radionuklididentifiering vid strålningsportalmonitorer, " och publiceras i tidskriften Vetenskapliga rapporter .