Khóa luận tốt nghiệp Vật lý: Phát triển mô hình mạng nơ-ron nhân tạo kết hợp với mô phỏng monte carlo để xác định độ dày của vật liệu hai lớp

LOI MO DAUHiện nay, việc xác định chính xác bè đày vật liệu được ứng dụng trong nhiều lĩnh vực như thiết bị khoa học, kỹ thuật, thiết bị y tế và xây dựng, ...Đặc biệt đối với ngành khoa

BO GIÁO DUC VÀ ĐÀO TẠOTRƯỜNG ĐẠI HỌC SƯ PHAM TP HO CHÍ MINH

KHOA VAT LÝ

TP HO CHÍ MINH

TRAN NGUYEN MINH TRUNG

KHOA LUAN TOT NGHIEP

PHAT TRIEN MO HINH MANG NO-RON NHAN TAO

CHUYEN NGANH: VAT LY HOC

THÀNH PHO HO CHÍ MINH - NĂM 2022

TRƯỜNG ĐẠI HỌC SƯ PHẠM TP HÒ CHÍ MINH

KHOA VAT LÝ

Giang viên hướng dẫn: PGS.TS Hoang Đức Tâm

Sinh viên thực hiện: Tran Nguyễn Minh Trung

Thành phó Hỗ Chí Minh — Năm 2022

XÁC NHAN CUA CHỦ TỊCH HỘI DONG KHÓA LUẬN

XÁC NHAN CUA GIẢNG VIÊN HUONG DAN

Thành phố Hồ Chí Minh, ngày tháng 05 năm 2022

Sinh viên thực hện

Trần Nguyễn Minh Trung

LỜI CẢM ƠN

Đề hoàn thành khóa luận này, tôi xin gửi lời cảm ơn đến các Quý Thay cô Khoa Vật

lý, Trường Đại học Sư Phạm thành pho Hồ Chi Minh đã tạo cơ hội cho tôi được học tập.rèn luyện vả tích lũy kiến thức, kỹ năng dé thực hiện khóa luận

Đặc biệt, tôi xin gửi lời cảm ơn đến thầy Hoàng Đức Tâm đã tận tình chỉ dẫn, theo

đõi và đưa ra những lời khuyên bỏ ích giúp tôi giải quyết được các van dé gặp phải trong

quá trình nghiên cứu vả hoản thành đề tài một cách tốt nhất

Tôi xin chân thành cảm ơn anh Trương Thành Sang đã hỗ trợ giúp đỡ rất nhiều trong việc phân tích phô va tìm hiéu về mô hình mạng nơ-ron nhân tạo Đồng thời gửi lời cảm ơn

đến các anh, chị, bạn bè trong nhóm vật lý hạt nhân đã nhiệt tình giúp đỡ, đóng góp những

ý kiến quý báu để giúp tôi hoàn thiện dé tài khóa luận này

Một lần nữa, xin chân thành cảm ơn!

Tp.HCM, ngày tháng 5 năm 2022

Trần Nguyễn Minh Trung

CHUGNG 1, COiSO LY THUẦ ni nnnnniiiioniniionientiiiiiitdttiiiaiistidttenaagni 4

1.1 Giới thiệu về bite gamma 22-22 S22 E32 E12E11221121111 2111211 11 11 11 11 g1 dư +

1.1:1./Hiệniñig:Giiañ6 điệR!:áieiieinaiisiiiiitiiisiiiiitiitictii21241241215405308655325802534245ã498255ốa3E 4

1.1.2 Tank Re COMPO oasis icsscasscasscasscasscasssasssaarscasscasscasscasecatsaasscasscasseasteacecaussaazecasieaste 5

1.1.3 Hiện Ứñg tạo CED sc cicsiicsiccsssssiscasssasisaaseasssasesoassonstoaasoasteastsaaiseatsonaveasteasteaaseassieaaie 7

1.2 Sự suy giảm cường độ gamma qua vật chất - 2-22 22 z2Sxcxc2xczccrzrerrrcres 7CHƯƠNG 2 MÔ PHÒNG MONTE CARLO \scsssssssssssosssscsssssssssssssssssssssssonisesssessssasssosisonsse 9

Z.I.iGiớïiiiêucRương trinh MON icsoociosioaoiooooooooioooiioiiooiiooaoooniianioaiianiosaanaaigi 9

2ˆ: (WAG PGE NE Go War CON aiscsiscaisesiseaaissasscaisesssasinaseaisnaisecasnasisnaisaaianaiinasieainaaincarinaain 9

2.2.1 The :m6ita hinh hoc (Cell Cards) c:.sscsscsssesessesssssesaasssessasssvassscessoasscassaaeseassans 10 2.2.2 Thẻ mô tả các mat (Surface ard$) - - Ă c1 SA vn sec 11 223: Ted Gu (Data Cards): scsscsssscsscsssscssesssasescessessescsssasscecssesssaesseesesoessesseeseess0004 11

2.3 Vật liệu được sử dụng đẻ đo be đầy oo ccc cescssesssessesssesseesceenveesssnesseessesnseeceereenees 12

2.4 Bồ trí phép đo bề day trong mô phỏng 2-52 22222222222 512211221122112-1x2-zx ca 13

P9 co //./F//4Áiaaaiiäaảäẽẻ 14

CHƯƠNG 3 MÔ HÌNH MẠNG NƠ-RON NHÂN TẠO sec l6

3.1 Giới thiệu về mạng nơ-ron nhân LạO - 2: 2© 2£E+£EE++EEEzEEEzEEE221227132721212xe2 l6

3.1.1 Cau trúc và nguyên lý hoạt động của mạng nơ-ron - ¿c2 16

3.1.2 Hàm kích hoạt và cách lựa clQñ:::.:.:-:.:-::::::‹ :::::c¿ccccccccciiccicciceoirasiraaroasirasrraa 19

3.1.3 Các chỉ số và các công thức đánh giá mạng nơ-ron nhân tạo 19

3.2, Kay đựng mô hình ANN siscciscsssossscesssscsvesssossoossosvescsssesrvesseossovsvoosvaossesevsvesseesvoessress 20

3.3 Phương pháp kết hợp mô phỏng MCNP và xây dựng mô hình nơ-ron nhân tạo cho

việc dự Bề day vật LiGu da lip: scccisecsssissesisesssesssessseassansssesssnsisnssseasseasasasssassasssssasusaincasaess 23

CHƯƠNG 4 KET QUA DỰ ĐOÁN BE DAY VAT LIEU BANG MÔ HÌNH MẠNG

NO-RGINIRHANTA^2S 25

4.1 Dữ liệu mô phỏng MCNP tính toán cho kỹ thuật gamma truyền qua bé dày đa lớp.

HH ha 25

4.2 Dự đoán bé day của vật liệu đa lớp ¿222 ©222 2222223322232 ExcExcrkrcrrr sec 29

4.3 Dự đoán bẻ day đa lớp bằng mô hình mạng nơ-ron nhân tạo .: .: : 32

DANH MỤC CÔNG TRÌNH ĐÃ CÔNG BÔ 1 HE 211 n0 11 cu 37

PHU LỤC 22-2 S22 E22E1121111112111 11 112 111 H11 HH1 Hy HH Hà uy Hy uc 4I

IV

DANH MỤC CÁC TỪ VIET TATTiếng Anh Tiếng Việt

Non-Destructive Testing Kiểm tra không hủy mau

Monte Carlo N-Particle Chương trình mô phỏng Monte Carlo N-hạt

ANN Artificial Neural Network | M6 hinh mang no-ron nhan tao

Gamma transmission technique | Kỹ thuật gamma truyền qua

ST | Gamma scattering technique | Kỹ thuật gamma tan xạ

MLP | Multiple Layer Perceptron | Mang chuyên tiếp nhiều lớp

Build-up factor | Hệ số tích lũy

DANH MỤC HÌNH VE

Hình 1.1 Hiệu ứng quang điện.

Hình 1.2 a) Hiệu ứng Compton; b) Sơ đồ tán xạ gamma lên electron tự do.

Hình 1.3 Hiệu ứng tạo cặp.

Hình 2.1 Ví dụ cell cards.

Hình 2.2 Ví dụ surface cards.

Hình 2.3 Ví dụ về data cards

Hình 2.4 Hệ mô phỏng 2D, 3D cho hệ đo gamma truyền qua

Hình 2.5 Phỏ mô phóng sau khi xử lý băng Colegram

Hình 3.1 Mạng nơ-ron truyền thăng một lớp (Single-layer feedforward netword).

Hình 3.2 Mô hình cơ chế hoạt động của ANN truyền thăng

Hình 3.3 Mạng MLP tông quát truyền thăng

Hình 3.4 Cấu trúc mạng nơ-ron nhan tạo.

Hình 3.5 Xu hướng mat mat của tap dữ liệu dao tao và xác nhận

Hình 3.6 Sơ đồ các bước huắn luyện mô hình

Hình 4.1 Phỏ số dém theo kênh của các nguồn

Hình 4.2 Sự thay đôi của chi số RMSE và R? ứng với số lượng nơ-ron khác nhau trong lớp

an

vi

DANH MỤC BANG BIEUBang 2.1 Thanh phan nguyên tứ của bê tông barite.

Bảng 2.2 Thành phân nguyên tử của thép.

Bảng 2.3 Năng lượng và số nguyên tử của các nguôn tia gamma

Bang 3.1 Cau trúc mạng nơ-ron nhân tao dùng trong kỹ thuật gamma truyền qua.Bang 4.1 Dữ liệu mô phỏng vẻ tỷ lệ RSTM ở các bè day tổng từ 2,2cm đến §,0em.Bang 4.2 Hệ số suy giảm khối của bê tông barite và thép

Bảng 4.3 Hệ số suy giảm tuyến tính của bê tông barite và thép

Bang 4.4 Kết quả bé day tính toán

Bảng 4.5 Kết quả đào tạo mô hình ANN

vũ

LOI MO DAU

Hiện nay, việc xác định chính xác bè đày vật liệu được ứng dụng trong nhiều lĩnh vực

như thiết bị khoa học, kỹ thuật, thiết bị y tế và xây dựng, Đặc biệt đối với ngành khoa

học vật liệu, vật liệu đa lớp có tầm quan trọng cao vì nó giúp tạo ra vật liệu mới bằng cáchghép hoặc trộn các vật liệu khác nhau lại với nhau Vật liệu đa lớp (Muluple-layer material)

là loại nguyên vật liệu được tông hợp từ hai hay nhiều vật liệu có tính chất vật lý hóa họckhác nhau [1] Loại vật liệu này sẽ mang tính chất và những công dụng vượt trội hơn hắn

so với những vật liệu ban đầu Mỗi lĩnh vực khác nhau thì vật liệu đa lớp được ứng dụng

theo các cách khác nhau: Năm 2017, Reza Bagheri và cộng sự đã ứng dụng vật liệu da lớp

dé tạo ra loại bê tông dé che chắn tia gamma [2]; Năm 2017, VA Grachev và cộng sự đãnghiên cứu thành công loại vật liệu đa lớp để tạo ra loại kim loại có lớp chống ăn mòn có

thé tăng tuổi thọ hoạt động trong môi trường ăn mòn cao ứng dụng trong ngành luyện kim

[3]

Trong lĩnh vực khoa học vật liệu dé kiểm tra khuyết tật và đánh giá vật liệu ma khônglàm ảnh hưởng đến cau trúc, tính chat của mẫu kiểm tra thì phương pháp kiêm tra khônghủy mẫu (Non-Destructive Testing — NDT) là một lựa chọn tốt Tính tôi ưu của phươngpháp này là kiêm tra tính toàn vẹn, thành phan và tình trạng của vật liệu mà không làm thay

đổi tính chat, cau trúc của mẫu; tiết kiệm được nhiều nguyên vật liệu tiên bạc, thời gian;cung cấp kết quả chính xác, Nhiều nghiên cứu trước đây đã sử dụng phương pháp NDT

kết hợp với các kỹ thuật khác nhau như: siêu âm [4], ky thuật gamma tan xạ (GST) [5] vàcác nguồn tia gamma [6], Mỗi kỹ thuật có một số ưu điểm và nhược điểm riêng biệt do

đó nó chỉ có thê được ứng dụng cho các công việc phù hợp tương ứng.

Bên cạnh những kỹ thuật kể trên, kỹ thuật gamma truyền qua cũng được sử dụng phdbiến trong nhiều lĩnh vực công nghiệp Kỹ thuật này có những ưu điểm như sau: đơn giảntrong thiết lập thí nghiệm và xử lý dữ liệu, chi phí vận hành và bảo trì thấp, Mặc dit kỹ

thuật gamma truyền qua phô biến có nhiều ưu điểm nhưng vẫn có một số hạn chế Do đó,

áp dụng các phần mềm lập trình (chang hạn như MCNP, GEANTT4 .) dựa trên thuật toánMonte Carlo dé mô phỏng và kết hợp mô hình nơ ron nhân tạo (ANN) là công cụ hữu ích

dé giải quyết và cải tiễn kỹ thuật gamma truyền qua

M6 hình mạng nơ-ron nhân tạo (Artificial Neural Network - ANN) là một mô hình

toán học mô phỏng mạng lưới tế bào thần kinh Cung cấp một bộ dữ liệu có đầy đủ thôngtin, ANN sẽ huấn luyện đề làm giảm độ lệch của giá trị đầu ra so với giá trị đầu vào Từ đó

l

có thê sử dụng mô hình ANN tối ưu đã được huan luyện dé dự đoán các giá trị mới trongphạm vi đã chọn [7] Đối với kỹ thuật ANN can dam bảo kích thước của tập dữ liệu huấnluyện phải đủ dé đạt được các giá trị ước tính [8] Việc kết hợp mạng nơ-ron nhân tạo và

mô phỏng Monte Carlo vào các kỹ thuật kiêm tra không hủy mẫu đề đánh giá độ tin cậy

của bài toán đã được tiền hành nghiên cứu rất nhiều chăng hạn như: năm 2014, S Ashrafi

và cộng sự đã sử dụng mạng nơ-ron nhân tạo (ANN) trong phép đo mật độ bằng kỹ thuậttan xạ Compton [9], năm 2020, Tuan và cộng sự đã kết hợp mạng nơ-ron nhan tạo và môphỏng Monte carlo đánh giá độ tin cậy bài toán sức chịu tải cọc khoan nhỏi [10], nam 2021,

Tam và cộng sự nghiên cứu vé mô hình ANN kết hợp với mô phỏng Monte Carlo để dự

đoán nông độ axit [11]

Trong khóa luận này, chúng tôi sử dụng phương pháp gamma truyền qua đề xác định

be day vật liệu Vật liệu được dùng dé khảo sát là vật liệu hai lớp cụ thê là bê tông baritevới cốt thép, vật liệu này mang giá trị ứng dụng che chắn bức xạ cao và chưa có nhiềunghiên cứu áp dụng kết hợp mô phỏng Monte Carlo với kỹ thuật ANN đùng phương pháp

gamma truyền qua Vì vậy, chúng tôi chọn đề tài “Phát triển mô hình mạng nơ-ron nhân

tạo kết hợp với mô phỏng Monte Carlo đẻ xác định độ dày của vật liệu hai lớp”.

Nội dung khóa luận bao gồm các chương sau:

Chương 1: Cơ sở lý thuyết Trong chương sẽ trình bày vẻ lý thuyết tương tác bức xạgamma với vat chat và các công thức toán được dùng trong phương pháp gamma truyền

qua.

Chương 2: Mô phỏng Monte Carlo Giới thiệu tông quan về mô phỏng Monte Carlo

và chương trình MCNP Đông thời tôi cũng sẽ trình bày mô hình bố trí thí nghiệm vật liệu

từ mô phỏng của kỹ thuật gamma truyền qua và phương pháp xử lý phố mô phỏng thu đượcbằng phần mềm Colegram

Chương 3: Mô hình mạng nơ-ron nhân tạo Trình bày tổng quan về mô hình mạngnơ-ron nhân tạo Sau đỏ, tôi sẽ trình bảy các bước huấn luyện cũng như các thuật toán ở

lớp ân của mô hình nhằm đưa ra được mô hình thích hợp và tối ưu để dự đoán bẻ dày vật

liệu trong khóa luận này.

Chương 4: Kết qua dự đoán be dày vật liệu da lớp Trình bày các kết quả bề day được

tính toán thu được dựa trên mô phỏng Monte Carlo sử dụng chương trình MCNP6 kết hợpvới mô hình mạng nơ-ron nhân tạo dé so sánh với bề dày tham khảo Từ đó đưa ra nhận

2

xét, đánh giá việc sử dụng phương pháp này Cuối cùng là phần kết luận trình bày những

ưu điểm, hướng phát triển của kỹ thuật ANN trong việc xác định bẻ dày vật liệu.

CHƯƠNG 1 CƠ SỞ LÝ THUYET

1.1 Giới thiệu về bức gamma

Bức gamma lần đầu tiên được phát hiện bởi nhà hóa học người Pháp Paul Villard vào

năm 1900 khi ông đang nghiên cứu bức xạ phát ra từ radium Vào năm 1903, Ernest

Rutherford, nhà hóa học và vật lí học gốc New Zealand, ông đã quan sat ra một loại bức xạ

được phát hiện (nhưng không được đặt tên) bởi Paul Villard Bức xạ mà Rutherford quan

sát được có khả năng đâm xuyên lớn hơn nhiều so với bức xạ alpha, beta Do đó, Rutherford

đã đặt tên cho loại bức xạ này là bức xạ gamma.

Bức xạ gamma không mang điện nên không bị lệch hướng trong điện từ trường Bức

xạ gamma là photon năng lượng cao có bản chất là sóng điện từ, bước sóng ngắn hơn bước

sóng tia X, được phát ra khi một hạt nhân chuyền từ trạng thái kích thích vẻ trạng thái cơban và có khả năng đâm xuyên rat lớn [12] Khi đi qua vật chất, bức xa gamma bị mat năng

lượng theo ba quá trình chính là hiệu ứng quang điện hiệu ứng Compton và hiệu ứng tạo

cặp [L3].

1.1.1 Hiệu ứng quang điện

Khi bức xa gamma va chạm với electron quỹ đạo của nguyên tử, gamma biến mat và

năng lượng của gamma truyền toàn bộ cho electron quỳ dao dé nó bay ra khỏi nguyên tử.

Electron này được gọi là quang electron Quang electron nhận được năng lượng E,, bằng

hiệu sé giữa năng lượng của lượng tử gamma ban đầu E, và nang lượng liên kết £, của

electron trên lớp vỏ trước khi bứt ra (hình 1) [14].

BE, =E, -&, (1.1)

trong đó:

E, là động năng của quang electron.

E, là năng lượng của bức xạ gamma.

£„ là năng lượng liên kết của electron với hạt nhân

&, =&, đối với electron lớp K, &, =e, đối với electron lớp L, ø„ =e, đối với

electron lớp M và £„ >£, > @.

Theo công thức (1.1) hiệu ứng quang điện chỉ xảy ra khi năng lượng của gamma vào

ít nhat phải bằng năng lượng liên kết của electron, với năng lượng liên kết của electrongiảm dan theo các lớp K, L M, Hiệu ứng quang điện không xảy ra đối với các electron

tự do vì không đảm bảo định luật bảo toàn năng — xung lượng.

Lỗ trông được tạo nên trong lớp vỏ electron đo sự phát xạ electron bị chiếm bởi do

quá trình tái lap electron Khi đó tia X đặc trưng hoặc electron Auger sẽ được tạo ra [14].

Ex Auger = (uy ~ Ens) ~ Eng ( 2)

Hình 1.1 Hiệu ứng quang điện.

Bức xạ đi vào đầu đò và tương tác quang điện với các electron bên trong đầu dò Bởi

vì electron bị bức ra do hiệu ứng quang điện có quãng chạy ngắn bên trong đầu dò Do đó,toàn bộ năng lượng của bức xạ gamma đều được đầu dò hap thu hinh thanh nén dinh quang

điện hay đỉnh năng lượng toàn phan Do vậy hiệu ứng quang điện ở đầu dò là quá trình lý

tưởng khi đo năng lượng bức xạ gamma.

1.1.2 Tan xạ compton

Sự tán xạ Compton, được phát hiện boi Arthur Holly Compton năm 1920 [30], là sự

tương tác giữa chùm gamma năng lượng cao với electron tự do ở quỳ đạo ngoài Gamma

thay đôi phương bay và bi mat một phan nang lượng, còn electron được giải phóng ra khỏi

nguyên tử (hình 1.2.a) Quá trình tán xa Compton có thẻ coi như là quá trình gamma tán xạ

đản hỏi lên electron tự do (hình 1.2.b) [14]

Gamma sau tin xạ,

năng lượng E

Electron sau tán xạ

Hình 1.2 a) Hiệu ứng Compton; b) Sơ đồ tán xạ gamma lên electron tự đo [15]

Trên cơ sở tính toán động học của quá trình tán xạ đàn hôi của hat gamma chuyênđộng với năng lượng E lên electron đứng yên ta có các công thức sau đây đối với năng

Theo góc bay của gamma sau tán xạ càng lớn thì E, càng bé nghĩa là gamma càng

mat nhiều năng lượng

1.1.3 Hiệu ứng tạo cặp

Hiệu ứng tạo cặp xảy ra khí bức xạ gamma vào có năng lượng lớn hơn hai lần năng

lượng nghỉ của electron (1,022 MeV) đi qua điện trường của hạt nhân và tạo ra một cặp

electron - positron Theo định luật bảo toàn năng lượng tông động năng của electron vàpositron bay ra bằng hiệu số năng lượng E,- 2m.c* [I4]:

E,+E_=E,-2me’ (1.6)

Sau khi được tạo ra, electron mat dan năng lượng dé ion hóa các nguyên tử môi trường,positron đi vào và gặp electron của nguyên tử dẫn đến hiện tượng hủy cặp electron —positron và có hai bức xạ gamma mang năng lượng 0,511 MeV bay ngược chiều nhau đượcsinh ra ngay sau sự hủy cặp đó Hai bức xạ này có thê bị hap thụ hoặc thoát ra khỏi đầu đò

và tạo thành các đỉnh năng lượng trong phô gamma Nếu có một bức xạ thoát ra khỏi đầu

đò thì đính quan sát được gọi là đỉnh thoát đơn, có năng lượng thấp hơn năng lượng đỉnhquang điện 0,511 MeV [14] Nếu cả hai bức xạ đều thoát ra ngoài thì xuất hiện đỉnh thoát

gọi la đính thoát đôi, có năng lượng nhỏ hơn năng lượng đính quang điện 1,022 MeV.

1.2 Sự suy giảm cường độ gamma qua vật chất

Sự suy giảm bức xạ gamma khi đi qua môi trường khác với sự suy giảm của các bức

xạ alpha và beta Bức xạ alpha và beta có tính chất hạt nên chúng có quãng chạy hữu hạntrong khi đó bức xa gamma chi bị suy giảm về cường độ chim tia khi tăng bề day vật chất

mà không bi hap thụ hoàn toàn Phương trình sau đây biểu thị sự suy giảm giữa cường độ

của tia gamma truyền qua ( 7.) trong bề dày của vật liệu [16]

= MLB Ds

1 =Bl,e an

trong đó /, là cường độ của chùm gamma tới; / (cm ') là hệ số suy giảm tuyến tinh;

E, (keV) là năng lượng của tia gamma truyền qua; x (cnt) 1A bề dày vat liệu; Bla hệ số

cường độ ban đầu của chùm tia gamma truyền qua vật liệu hai lớp có năng lượng E, Bè

dày của bê tông và thép lần lượt là x,.x, Ứng với mỗi nguồn, mỗi bé dày khác nhau có

các hệ số suy giảm khác nhau Đặt R = _ và lay In hai về khi đó ta được hệ phương trình

q

xác định bè dày vật liệu:

InRÌ == 441, TA:

InR? =— mẻ x, phx, (1.10)

Hệ số hap thụ tuyến tính phụ thuộc vào mật độ khối lượng (7) của vật chat Do đó

hệ số hap thụ khối được tính theo công thức:

H,, = LS plem | g) (1.11)

CHƯƠNG 2 MÔ PHÒNG MONTE CARLO

Phương pháp mô phỏng Monte Carlo là một thuật toán được sử dụng rộng rãi, ý tưởng

cơ bản của phương pháp nay là mô phỏng bằng xác suất Tên gọi của phương pháp này

được đặt theo tên của một thành phố ở Monaco, nơi nỗi tiếng với các sòng bạc Phươngpháp mô phỏng hoạt động chủ yếu dựa trên hai luật quan trọng của xác suất dé lay mẫungẫu nhiên trong một bài toán không dự đoán trước dé thu được kết quả Trong các nghiêncứu hiện nay, phương pháp Monte Carlo thường được ứng dụng để mô phỏng sự tương tác

của các photon và nơ-tron Phương pháp này thích hợp khi giải các bài toán phức tạp không

thẻ mồ hình bằng các chương trình máy tính theo các phương pháp thông thường.

2.1 Giới thiệu chương trình MCNP

MCNP là chương trình ứng dụng phương pháp Monte Carlo dé mô phỏng các quá

trình vật lý mang tính thông kê Ban đầu chương trình được phát triển bởi phòng thí nghiệmquốc gia Los Alamos của Mỹ Đây là một công cụ tính toán rất mạnh có thé mô phỏng vậnchuyển nơ-tron, photon và electron, Chương trình nảy là công cụ mô phỏng được thiết lập

rất tốt cho phép người sử dụng xây dựng các dạng hình học phức tạp và mô phỏng dựa trên

các thư viện hạt nhân MCNP được ứng dụng trong nhiều lĩnh vực liên quan tới kỹ thuậthạt nhân như: y học hạt nhân, che chắn bức xa, thiết kế may gia toc, và đặc biệt được sửdụng nhiều trong mô phỏng thiết kế lò phản ứng hạt nhân Hiện nay một số các cơ sở ứngdụng các tính toán mô phỏng bằng chương trình MCNP cụ thé là tính toán vận chuyêngamma trong hai kỹ thuật truyền qua và kỹ thuật tán xạ đã được triển khai, giảng đạy và

nghiên cứu cho sinh viên như là Bộ môn Vật lý Hạt nhân — Kỹ thuật Hạt nhân Trường Dai

học Khoa học Tự nhiên Tp.HCM và Bộ môn Vật lý Hạt nhân trường Đại học Sư Phạm

Tp.HCM.

2.2 Mô phỏng hệ đo bài toán

Đề xây dựng một mô hình mô phỏng day đủ các yếu t6 dé khảo sát bề day vật liệu

bằng phương pháp gamma truyền qua tôi tiền hành xây dựng mô hình hệ đo như sau: hình

học của khối nguon, khói đầu dò, khói vật liệu, các vị trí đặt hệ đo, ống chuan trực cho đầu

đò và cho nguồn Tất cả các thông tin về nguồn phóng xa, hàm lượng các nguyên t6 có

trong mẫu đo và mật độ đều được tham khảo từ những nguôn thông tin đáng tin cậy

Phan quan trọng để có một chương trình MCNP chính là tập tin đầu vào Cau trúc mộttập tin đầu vào MCNP gồm có 3 phần: Thẻ mô tả hình học (Cell Card), thẻ mô tả các mặt

9

(Surface Card), Thẻ dữ liệu (Data Card) Giữa các thẻ lệnh được ngăn cách với nhau bằngmột dong trồng.

2.2.1 Thé mô ta hình học (Cell Cards)

Cell Cards cho phép người dùng mô tả hình học tất cả các vật liệu bao gồm: chỉ số

cell, chỉ số vật liệu, mật độ của vật chất bên trong cell, giới hạn các mặt, độ quan trọng của

cell, các ghi chu

Cell Card được mô tả theo cú pháp sau:

Cú pháp: j m 4d geom params

trong đó:

j: chi số cell

m: chi số vat chat trong cell, m = 0 chỉ cell trong.

d: khối lượng riêng của cell theo đơn vị [10% nguyên tir/em*] nếu dau ‘+’ hoặc [g/cem*] néu

dau *~` ở phía trước

geom: phần mô ta hình học của cell, được giới hạn bởi các mặt.

params: các tham số tuỳ chọn: imp, u, trcl lat, fill,

C CELL CARDS OF SOURCE BOX

1 4 -%1.35 (2 -3 -9 7) IMP :P=1

2 1 -11.35 (3 -4 -9 6) IMP :P=1

3 19 -7.85Ø (1 -3 -8) (-5:1Ø) IMP:P=1 $ STEEL CAPSULE OF SOURCE

4 2 -1.198 (5 -3 -10) IMP:P=1 $ ACTIVE VOLUME OF SOURCE

là khai báo độ quan trong (importance) của cell Đối với không gian có độ quan trọng là

một quá trình tính toán sẽ được thực hiện và cột cuối cùng là cột ghi chú.

10

2.2.2 Thẻ mô tả các mặt (Surface Cards).

Surface Card chứa thông tin về các dang mặt của những điểm đã biết: chỉ số mặt, ký hiệu loại mặt và tham số mặt.

Một dòng Surface Card được mô tả theo cú pháp:

list: các tham số định nghĩa mặt

C SURFACE CARDS OF SOURCE BLOCK

1 3 PZ -0.8

2 3 PZ -5.2

3 3 PZ «0.8

4 3 PZ 10.1 $ LENGTH OF SOURCE COLLIMATOR

5 3 PZ -@.2 $ LENGTH OF ACTIVE VOLUME OF SOURCE

6 3 CZ 6.48 $ RADIUS OF SOURCE COLLIMATOR

7 3 CZ 1.5

8 3 C7 09.3

9 3 CZ 5.1

198 3 CZ 90.25 $ RADIUS OF ACTIVE VOLUME OF SOURCE

Hinh 2.2 Vi du surface cards.

Cách thức khai báo mặt được mô tả trong hình 2.2 cột đầu tiên là chỉ số mặt (tươngứng với các chỉ sé được sử dung trong cột thứ tu ở Cell cards); cột thứ ba định nghĩa loạimặt (mặt phăng, mặt câu, trụ, ellip, ); cột thứ 4 là các tham số khai báo tương ứng với loại

mặt đó.

2.2.3 Thé dữ liệu (Data Cards).

Thẻ dữ liệu là phan quan trọng trong MCNP, là nơi khai báo thông số vật liệu, dữ liệuhạt nhân, loại hạt được sử dụng trong mô phỏng Nó có thé khai báo nhiều loại nguồn phù

hợp với các bài toán thực tế như: nguồn điểm, nguồn mặt, nguôn tông quát Thẻ khai báo

dữ liệu trong tập tin đầu vào gồm hai phần: khai báo khai báo vật liệu và khai báo nguồn

H

Lệnh Tally F§ hay còn gọi là tally độ cao xung dùng đề cung cấp thông tin về năng lượng

bị mat trong một cell.

2.3 Vật liệu được sử dụng dé đo bề day

Việc ứng dụng các nguôn tia gamma vào các lĩnh vực liên quan tới kỹ thuật hạt nhânhiện nay ngày càng trở nên pho biến và phát triển mạnh Chính vì thé, van đề an toàn vẻbức xạ của nguôn tia gamma là van đề đang được quan tâm

Với bức xạ là tia X/photon thì vật liệu che chắn tốt nhất là vật liệu có bậc số nguyên

tử cao như bê tông, chì, tungsten Theo lý thuyết, việc sử dụng các vật liệu có thành phan

hydro cao (như bê tông) hoặc các vật liệu chứa borat (như polyethylen) là hap thy neutron

tốt nhất, do neutron bị mat năng lượng khi tương tác tán xạ đàn hồi với hydro Thép che

chắn bức xạ tia X và gamma tốt hơn bê tông Trong các lĩnh vực như y tế hoặc năng lượnghạt nhân thì việc che chắn cả hai loại bức xạ trên đều phải tính đến Có thê thấy bê tông vàthép là những loại vật liệu xây dựng phỏ biến dé xây dựng lại có thé được dùng dé chống

lại các bức xạ ion hóa Có nhiều nghiên cứu chuyên sâu về đặc điểm che chắn bức xạ củacác loại bê tông và cốt liệu khác nhau: Bashter và cộng sự [17, 18, 19, 20], họ đã tính toán

hệ số suy giảm tuyến tính và khối lượng của bảy loại bê tông ở năng lượng photon từ 10

keV đến I geV, Akkurt và cộng sự [21] đã sử dụng nguôn tia gamma '*’Cs và “Co dé đo

hệ số suy giảm photon của barite và bê tông trộn với barite với các tỷ lệ khác nhau,

Chính vì những tng dụng và tính phô biến của việc che chắn bức xạ bằng bê tông nênchúng tôi quyết định sử dụng vật liệu bê tông pha barite và cốt thép làm vật liệu 2 lớp cùng

với các nguồn năng lượng gamma khác nhau: "Cs, “Na, "Ba dé tiến hành dùng trong

mô phỏng.

Bảng 2.2 Thành phần nguyên tử của thép [31].

Các nguyêntố | Fe MSi | SMn Sp QO | SNi 4Cr | ®Mo

2.4 Bồ trí phép đo bề dày trong mô phỏng

Hệ đo gamma truyền qua bao gồm đầu dò NaiTb và được chuẩn trực bằng chì Mục

đích chuân trực nguồn là dé chùm tia gamma truyền ra hẹp và song song Việc chuẩn trực

còn giảm phông từ bức xạ của môi trường và các tia bức xạ phát ra từ nguồn bị tan xa ra

ngoải môi trường trước khi đến đầu dd đông thời xem hệ số B xap xi bằng 1 Các khoảng

cách của nguôn, vat liệu, đầu dò lần lượt là: Khoảng cách từ bê mặt nguôn đến vật liệu là

20 cm, khoảng cách từ vật liệu đến đầu dd 26.35 cm và các bè đày vật liệu cụ thẻ là bề dày

bê tông từ 2.0 cm đến 6,0 em, bề dày thép từ 0,2cm đến 2,0 cm

13

Khôi vật liệu Khôi đâu dò

Hình 2.4 Hệ mô phỏng 2D, 3D cho hệ đo gamma truyền qua

Trong khóa luận này chúng tôi khảo sát sự phụ thuộc các tỉ số R với bề dày vật liệu.

Vẻ năng lượng photon tới khảo sát các mức năng lượng theo bảng 2.3 Mô hình mô phỏng

có 2048 kênh với số lượng hạt photon phát ra là 6 ty hạt Công thức tính t số &”” từ mô

phòng Monte Carlo được tính như sau:

wp

R" = HỘ (2.1)

Nụ

trong đó NN" Jan lượt là diện tích dưới đỉnh truyền qua trong phô mô phỏng cho phép

đo có bè đày vật liệu vả phép đo không có vật liệu.

Sai số của &"” được tinh theo công thức truyền sai số:

đỉnh năng lượng hap thụ toàn phần Kỹ thuật xử lý phô này được ứng dụng trong nhiều

nghiên cứu trước đây Dinh phô bao gồm đỉnh Gauss và nền Compton Đỉnh năng lượng

hap thụ toàn phần được khớp bằng hàm phân phối (hàm Gauss) và nền Compton được mô

tả qua phần mém là Background Onestep

14

co»

S

Kénh

Hình 2.5 Phô mô phỏng sau khi xử lý bang Colegram

Trong hình 2.5, ta thấy phần phía bên trái của đỉnh cao hơn đo có nhiều sự đóng góp

của các thành phân truyền qua Đề xác định điện tích đỉnh phỏ và roi phần quan tâm (phần

nằm trên ranh giới phía bên trái (L) và phía bên phải (R) Chúng tôi áp dụng công thức đã

được đưa ra từ nghiên cứu trước đây [Š].

Công thức FWHM:

FWHM = (2V2in2)xWidth (2.3)

Công thức xác định vùng giới hạn bên trái L, vùng giới hạn bên phải R:

L (Channel) = Position (Channel) — 2.5 * FWHM(Channel) (2.4)

R (Channel) = Position (Channel) +2,5* FWHM(Channel) (2.5)

với Width là độ lệch chuẩn của ham Gauss va Position là vị tri đỉnh năng lượng theo kênh.

IS

CHƯƠNG 3 MÔ HÌNH MẠNG NƠ-RON NHÂN TẠO

3.1 Giới thiệu về mạng nơ-ron nhân tạo

Mạng nơ-ron nhân tạo ra đời tr rất lâu nó được giới thiệu lan đầu tiên vào năm 1943

bởi nhà sinh lý học thần kinh Warren McCulloch và nhà toán học Walter Pitts [22] Nam

1960, ANN có những thành công, điều đó đã đẫn đến niềm tin rộng rãi về ứng dụng nó vàonhững thiết bị máy móc hiện đại Vào đầu những năm 1980, khi máy tính cá nhân phát triển

mạnh với những khả năng lưu trữ dir liệu cao, xử lý công việc nhanh chóng đã mở đường

cho lĩnh vực kỹ thuật số Chính sự phát trién của kỹ thuật số đã thúc day các kỹ thuật ANN

được cải tiền, ứng dụng nhiều trong các lĩnh vực của đời sống

Mạng nơ-ron nhân tạo (Artificial Neural Network-ANN) là một mô hình lập trình lấycảm hứng từ mạng nơ-ron thần kinh tương tự như mô hình thần kinh của sinh vật Đặc

trưng của mạng nơ-ron nhân tạo là khả năng học Sau khi đã học xong, mạng nơ-ron nhân

tạo có thê tính toán kết quả đầu ra tương ứng với bộ số liệu đầu vào mới Không chỉ vậy vềmặt cau trúc, mạng nơ-ron nhân tao là một hệ thong gồm nhiều phan tử xử lý đơn giản cùnghoạt động song song Tinh năng nay của mạng nơ-ron nhân tao cho phép nó có thé được ápdụng dé giải các bài toán lớn Kết hợp mạng nơ-ron nhân tạo với các kĩ thuật học sâu (Deep

Learning), ANN đang trở thành một công cụ rất mạnh mẽ mang lại hiệu quả tốt nhất cho

nhiều bài toán nhiều biển Chính vì những tính toi ưu trên nền ứng dụng mô hình ANN

trong việc mô hình mạng nơ-ron nhân tạo (ANN) được áp dụng rộng rãi trong nhiều bài

toán thuộc nhiều lĩnh vực nghiên cứu gan đây

3.1.1 Cấu trúc và nguyên lý hoạt động của mạng nơ-ron

Mạng nơ-ron nhân tạo là một mô hình toán học gồm nhiều nơ-ron liên kết với nhauthông quá các trọng số Một ANN thường tổ chức các nơ-ron thành từng lớp và mỗi lớpchịu trách nhiệm cho một công việc cụ thê ANN thường có 3 lớp: lớp nhập hay lớp đầu

vào, lớp ân và lớp xuất Số nơ-ron của lớp nhập và lớp xuất sẽ do bài toán quyết định, số

nơ-ron lớp ân và số lớp ân sẽ do người nhập quyết định Tuy nhiên, việc chọn loại và số

lượng của thông số đầu vào sẽ có ảnh hưởng đến chất lượng của mạng [24]

Trong mạng lớp đơn (perceptron), một tập hợp các đầu vào được đưa trực tiếp đếnmột đầu ra bằng cách thông qua các trong số kết nói dir liệu đầu vào được thay đôi dé dựđoán dit liệu đầu ra Một perceptron như vậy không giải quyết được các van dé phi tuyến

khi dữ liệu đầu ra không mô tả tuyến tính theo dữ liệu đầu vào Chính vì vậy dé khởi tạo

16

một mạng nơ-ron nhân tạo preceptron cân phải sử dụng một hàm kích hoạt đẻ tác động sựtuyến tính khi đưa dữ liệu đầu vào dé xử lý Hàm kích hoạt có công dụng dùng dé cung cấp

tính phi tuyến can thiết dé một perceptron có thé học và hiểu các biéu dién phức tạp

Hình 3.1 Mạng nơ-ron truyền thăng 1 lớp (Single-layer feedforward netword) [23]

Mô hình toán học của ANN truyền thăng được trình bảy như sau [25]:

y(x) = fC wx, +b) (3.1)

|

trong đó:

y(x): Giá trị đầu ra theo biến x.

ƒ: Hàm kích hoạt hay hàm truyền

w,: Trọng số liên kết của các nơ-ron x,

x,: Các giá trị đầu vào.

> WX; : Tong trọng số của tat cả các lớp nhập được đưa vào mỗi no-ron.