CsI(Tl)探测器阵列

全谱粒子识别

借助机器学习，在全部能量范围内实现对α、p、d、t及γ的自动分类，避免了传统方法仅在高能区有效的局限。

Xu, J. H. · 方永得 · Wang, Sicheng · 丁兵 · Ideguchi, Eiji · M. Kumar, Raju · Carpenter, Michael P. · Wang, Xuyang · Hong-Yi, Wu · Hua W. · Jianhong, Li · Jia Z.H. · Wen, Liang · 郭松 · Li, G. · Qiang, Yunhua · 柳敏良 · Zhang, Wenqiao · Jia, C. X. · 陈若富 · Chen, Jie · 郑云 · 李聪波 · 吴晓光 · Min, Zheng · Zi-Hao, Zhao · Yun-Qiu, Li · Li, Jian · Rui, Hong · Zi-Yang, He · Li, Tianxiao · Petrache, Costel Marian · 周小红 · 甘再国 · Zhang Y.H.

Nuclear Science and Techniques/Hewuli 2026

具体参数

粒子门控符合统计量提升
{'zh': '50', 'en': '50'} %

技术优势

全谱都能用

模糊C均值和支持向量机不依赖能量拟合，在低能区也能有效分类，克服了传统方法仅在高能区有效的局限。

统计量增一半

由于全谱识别能力，更多粒子事件被保留，粒子门控符合统计量增加约50%，提高实验数据质量。

弱束缚也搞定

对于7Li或9Be等弱束缚弹核产生的粒子，支持向量机比模糊C均值分离能力更强，识别更准确。

应用场景