Khóa luận tốt nghiệp Sư phạm Vật lý: Xác định nồng độ các dung dịch Nacl, CuSo4 và Fecl3 dựa trên kỹ thuật phân tích Gamma truyền qua kết hợi với mô hình mạng Neutron nhân tạo

Nong độ giúp xác định được đô mặn của nước, hàm lượng đường trong các loạinước hoa quả, từ đó giúp đánh giá chất lương nguồn nước hay sản phẩm nước uống.Các phương pháp phân tích hóa học

BỘ GIÁO DỤC VÀ ĐÀO TẠO

` ^ +

TRƯỜNG ĐẠI HỌC SƯ PHẠM TP HỒ CHÍ MINH

KHOA VẬT LÝ

TRẦN VŨ THIÊN ÂN

KHÓA LUẬN TỐT NGHIỆP

FECL; DUA TREN KY THUAT PHAN TÍCH GAMMA

TRUYEN QUA KET HỢP VỚI MO HÌNH MẠNG NEURON

NHÂN TẠO

Chuyên ngành: Su phạm Vật ly

Thành phố H6 Chí Minh — 2023

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC SU PHAM TP HO CHÍ MINH

KHOA VẬT LÝ

XÁC ĐỊNH NONG ĐỘ CÁC DUNG DICH NACL, CUSO, VÀ

FECL; DỰA TREN KỸ THUAT PHAN TÍCH GAMMA

TRUYEN QUA KET HỢP VỚI MO HÌNH MẠNG NEURON

NHÂN TẠO

Người thực hiện: Trần Vũ Thiên Ân

Giảng viên hướng dẫn: ThS Nguyễn Thành Đạt

Thành phố H6 Chí Minh — 2023

Lời cảm ơn

Để hoàn thành được khóa luận tốt nghiệp này ngoài sự nỗ lực của bản thân tôi xin

được bày tö lòng biết ơn chân thành đến những người đã luôn đồng hành, hỗ trợ vàgiúp đỡ tôi trong suốt quá trình thực hiện khóa luận Sự giúp đỡ của mọi người không

chỉ mang lại động lực cho tôi mà còn giúp tôi vượt qua các khó khăn, thử thách trong

quá trình nghiên cứu.

Lời đầu tiên, tôi xin gửi lời cảm ơn sâu sắc đến thay Nguyễn Thành Đạt, giáng viên

hướng dẫn tôi thực hiện khóa luân này Thay đã tân tình hướng dẫn, truyền đạt những

kiên thức chuyên ngành và giúp đỡ tôi rất nhiều trong quá trình thực hiện khóa luận

này Tôi cũng muốn bày tỏ lòng biết ơn chân thành đến Ban chủ nhiệm Khoa Vật LýTrường Đại học Sư phạm Thành phố Hỗ Chí Minh da luôn tao mọi điều kiện thuậnlợi cả về mặt vật chất và tính thần, giúp đỡ tôi hoàn thành khóa luận này một cách tốtnhất

Tôi xin gửi lời cảm ơn sâu sắc đến gia đình và bạn bè, cách riêng là các ban TrầnMai Thanh Trúc, Nguyễn Kiểu Việt Đức, là những người đã luôn động viên, hỗ trợ

và đồng hành cùng tôi trong suốt quá trình thực hiện khóa luận này Bên canh đó, tôi

cũng xin gửi lời cảm ơn đến các thành viên trong phòng Thí nghiệm Vật lý Hạt nhân,những người đã nhiệt tình hé trợ và động viên tôi không chỉ trong quá trình nghiên

cứu mà còn giúp đổ tôi hoàn thành khóa luận nay.

Mặc dù đã rất cố gắng và nỗ lực, nhưng khóa luận chắc chắn sẽ không tránh khói

những thiếu sót Rat mong nhận được những ý kién đóng góp của quý thay cô và bạn

be.

Thành phố Hỗ Chí Minh, tháng 4 năm 2023

Trần Vũ Thiên An

Danh mục viết tắt

NDT Non Destructive Testing

ANN _ Artificial Neural Network MCNP Monte Carlo N-Particle

MSE Mean Square Error RMSE _ Root Mean Square Error MABE Mean Absolute Binary Error MAPE Mean Absolute Percentage Error ADAM_ Adaptive Moment Estimation

ROI Region Of Interest

H

3.8

3.9

3.10 3.11

3.12

3.13

Mô hình hiệu ứng quang điện .

Mô hình hiệu ứng Compton

Sư phu thuộc tuyến tính của hé số suy giảm khối theo nồng độ dung

địch muối NaCl CO Q Q c

M6 hình mang neuron nhần (ao 6 co

Muỗi sử dung trong thực nghiệm

Thiết bị sử dụng trong thực nghiệm

Hộp chứa dung dịch muỗi trong thực nghiệm .

Bồ trí đo thực HEHIỆỀ .:.:.¿ s.: c¿cc c2

Các thông số nguồn được sử

dụng -Bồ trí thí nghiệm trong mô

phỏng -Mô hình thí nghiệm trong MCNPG

Sự phụ thuộc giữa mật độ và nông độ phan tram dung dịch NaCl

Sự phụ thuộc giữa mật đô và nông độ phan trăm dung dịch CuSO¿

Sự phụ thuộc giữa mật độ và néng độ phan trăm dung dịch FeC]a

Dạng đáp ứng phổ giữa phổ truyền qua thu được từ mô phỏng và thựcnghiệm đối với dung dịch muỗi NaC] 10%

Phổ mô phỏng của dung dịch muỗi NaCl có néng độ 5% sau khi xử

lý bằng Colegram QQ eePhổ thực nghiệm của dung dịch muối NaC! có nồng độ 5% sau khi xử

lý bằng Colegram cv.

ili

14 16

25 25 26 27 28 34

34

35

35

36

4.2

4.3

5.1

5.2

33

5.4

Sơ dé huắn luyén mô hình ANN 41

Giá trị mat mát của tập huấn luyện và tập đánh giá 43

Các chỉ số đánh giá mô hình ANN 46

Đường chuẩn của muối NaCl 48

Đường chuẩn của muối CuSO¿ 49

Dường chuẩn của muối FeChạ - 49

Kết quả sau khi đã huấn luyện môhình - 52

IV

Danh sách bang

1.1

3.1 3.2

3.3

3.4

3.5

4.1

4.2

5.1 5.2 5:3

5.4

Hệ số suy giảm khối theo nỗng độ phan tram của dung dich muỗi

bằng chương trình XCOM

Thông tin của muối sử dung trong thực nghiệm

Nông độ phan tram của các mẫu dung dich muối được khảo sát

Thông tin của đầu đò Nal (Tl) do hãng AMPTEK cung cap

Các loại mat ding trong khóa luậân

Các tham số nguồn dùng trong khóa luận

Chỉ số RMSE va MABE của môhình

Chỉ số MAPE và RỶ của mô hình

Tỉ số InRTM và InR°5 với các néng độ khác nhau

Kết quả nội suy nong độ dung dich muỗi NaC! từ đường chuẩn InR*'", Kết quả về nông độ phan trăm dung dich muối NaC! dự đoán từ ANN dua trên dữ liệu mô phỏng MCNP

Kết quả nông độ phan tram dung dich ANN dự đoán dua trên dữ liệu

tHCTEHIỂN ¡¿ ¿ ¿ ¿ dri ¿ ¿ ¿c dai wv ca go bo b nao aaa aa

Vv

29

44

45

50

50

31

Mục lục

Lời cảm ơn i

Danh muc viet tat ii

Danh sách hình vẽ iii

Danh sach bang Y

Mục lục vì

Mở đầu 1

Chương 1: TONG QUAN VỀ KY THUAT DO GAMMA VA UNG DỤNG

CUA MO HINH MANG NEURON NHAN TAO TRONG KY THUAT KIEM

TRA KHONG HUY MAU 5

1.1 Kỹ thuật kiểm tra không huỷmẫu 5

1.2 Kỹthuậtđogamma Ặ ae 6 12.1 Bucxagamma 20002 2 0002008 6 1.2.2 Các hiệu ứng tương tác của tia gamma với vật chất 7

122.1 Hiệu ứng quangđiện 7

1.2.2.2 HiệuứngCompton §

1.2.2.3 Hiệu ứng sinh cap electron — positron 9

1.2.3 Sự suy giảm cường độ bức xạ gamma 9

1.2.3.1 Chùm ta gammahẹp 9

1.2.3.2 — Chùm tia gammarông 10

Vi

1.2.4 Sự suy giảm của chùm tia gamma khi đi qua dung dịch 11

I3 Mô hình mạng neuron nhân tạo 15

Chương 2: NONG DO DUNG DICH CAC PHƯƠNG PHÁP XÁC ĐỊNH NONG ĐỘ DUNG DỊCH 19 2.1 Nôngđộdungdịch - 2.22 0202.200200.2-2 0 200 19

2.2 Các phương pháp xác định néng độ dung dịch - 21

2.2.1 Phuong pháp tính trưctiếp - 21

2.2.2 Phương pháp hóa phântích 22

2.23 Phương pháp cực phổ - 22

2.2.4 Phương pháp phân tích quang phổ plasma 23

2.3 Kỹ thuật đo nông độ dung dich bằng nguồn bức xạ gamma 23

Chương 3: XÂY DUNG CƠ SỞ DU LIEU ĐO NONG ĐỘ DUNG DICH BẰNG MÔ PHONG MONTE CARLO VÀ THỰC NGHIEM 24 3.1 Thựcnghệm Ặ ee 24 311 Mẫudungdich 24

312 Bétrithucnghiém 27

3.1.2.1 Nguỗnphóngxạ 27

Ổn: án cố ốc 28 3.2 Xây dung dif liệu mô phòng dựa trên phương pháp Monte Carlo 29

3.2.1 Phương pháp Monte Carlo và chương trình MCNP6 29

3.2.1.1 Phương pháp Monte Carlo 29

32.12 Chương trình MCNP6 30

3.2.2 Mô hình phép đo trong mô phỏng MCNP6S 33

323 Cơsởdữliệumôphỏng 34

3.3 Phân tích và xử lý dữ liu 36

33.1 Saisốphốpđo 0.0.0.0 2 eee eee 36 3.3.2 Sự phù hợp giữa phổ mô phỏng và thực nghiệm 37

Vii

3.3.3 Xây dựng đường chuẩn cho phép đo néng độ dung dich 37

Chương 4: CNG DỤNG MÔ HÌNH MANG NEURON NHÂN TẠO DE

XÁC ĐỊNH PHÉP DO NONG ĐỘ DUNG DỊCH DỰA TREN KỸ THUẬT

DO GAMMA TRUYEN QUA 40

4.1 Mô hình mang neuron nhân tao cho phép đo néng độ dung dich 40

411 Cấutrúemôhình - 40

412 Huấn luynmôhìnhh 41 4.1.3 Kiểm tra độ tín cậy củamôhìnhh 474.2 Độ chính xác của mô hình trong phép đo nông độ dung địch với kết

quả tính toán từ đường chuẩn của phép đo 47

43 Khả năng ứng dụng củamôhìnhh 47

Chương 5: KET QUA VÀ THẢO LUẬN 48

5.1 Xác định néng độ dung dịch trong phép đo thực nghiệm dua trên

đường chuẩn bậc 4 xây dựng từ dữ liệu mô phỏng 48

5.2 Dự doán néng độ dung dịch của mô hình ANN datéiuu 50

Kết luận và kiến nghị 54

Tai liéu tham khao 55

Vill

Mở đầu

Các dung dịch đóng vai trò quan trọng trong nhiều lĩnh vực khác nhau của đời sông

và sản xuất Một thông số quan trọng của dung dịch là nỗng độ các chất tan trong dungdich Nong độ giúp xác định được đô mặn của nước, hàm lượng đường trong các loạinước hoa quả, từ đó giúp đánh giá chất lương nguồn nước hay sản phẩm nước uống.Các phương pháp phân tích hóa học như tạo kết tủa, say khô thường được sử dụng

để phân tích nông độ Tuy nhiên, các phương pháp hóa phân tích đòi hỏi nhiều bướcthực hiện và gây hao hụt một phần mẫu Một số kỹ thuật phân tích không hủy mẫu

đã được phát triển để thay thé và đạt được độ chính xác cao như trắc quang [1], phântích quang phổ hấp thụ nguyên tử hay phát xạ nguyên tử {2], phát quang [3] sử dụngnguồn phát gamma [4] [5] Trong số các kỹ thuật trên kỹ thuật đo dùng nguồn phatgamma có nhiều ưu thế do chùm tia bức xa mang năng lượng lớn, phù hợp với nhiềuloại dung dich cũng như việc bố trí thí nghiệm do đơn giản hơn so với các kỹ thuật

khác.

Hai kỹ thuật đo gamma truyền qua và tán xa đã dược ứng dụng trong một số nghiêncứu để xác định các tính chat của dung địch như nồng độ acid [4], mật độ [6], [7].Nghiên cứu của Priyada và công su [5S] đã sử dụng cả hai kỹ thuật đo để xác định mat

độ một số dung dịch Kết quả của nhóm chỉ ra rằng kỹ thuật do gamma tan xa cho

độ chính xác cao hơn kỹ thuật đo truyền qua với đại lượng do là néng độ chất lỏng.Tuy nhiên, cường đô chùm tia tán xa ghi nhận thường rất thấp nên trong thực nghiệm

đòi hỏi nguồn phóng xa phải có hoạt đô lớn Do đó, có thể gây nguy hiểm cho người

sử dụng và khó áp dung khi do thực nghiệm tại hiện trường Dé đảm bảo an toàn thì

trong đo đạc và trong phòng thí nghiệm thường sử dụng nguồn có hoạt độ thấp (dưới

1 mCi), thời gian do lúc này yêu cầu đài hơn thì kỹ thuật do gamma truyền qua phù

hợp hơn với đỗi tượng do là dung dịch

Một số nghiên cứu gan đây đã bước đầu khảo sát việc áp dụng kỹ thuật đo gammatruyền qua để xác định nông độ acid [4], [&] Kết quả của các nghiên cứu này rất khảquan với độ lệch của kết quả đo néng đô so với giá trị tham chiều cho một số loại acid

là dưới 5% Điều đó chứng tỏ phép do nông đô với kỹ thuật do gamma truyền qua có

thể áp dụng với các loại dung dịch khác ngoài acid Khóa luận của chúng tôi sẽ mở

rộng quy trình xác kỹ thuật đo gamma truyền qua cho một số loại dung dich muỗi như

NaCl, FeCla,

Mô phòng Monte Carlo cũng được chúng tôi sử dụng tương tự như các nghiên cứu

trước đây để làm giảm chí phí và thời gian phân tích cho việc đo đạc thực nghiệm

Một ưu thé của dif liệu mô phỏng là không chịu ảnh hưởng của các yêu tổ môi trườngnên có thể làm tăng độ chính xác của phép đo Dữ liệu mô phỏng sẽ được chúng tôi

sử dung để xây dựng đường chuẩn cho múi liên hệ giữa tỉ số INR và nông độ chat tan

trong dung dich, với R là tỉ số giữa điện tích đình năng lượng toàn phan thu được từdung dịch muỗi với diện tích đỉnh năng lượng toàn phan khi không có mẫu Các kếtquả thu được từ thực nghiêm sẽ được thay vào đường chuẩn để nội suy nông độ phan

trăm của dung dịch muối được khảo sát

Bên cạnh đó, chúng tôi cũng áp dụng mô hình mạng neuron nhân tạo ANN để dựđoán nồng đô của dung dich muỗi Thuật toán ANN có ưu điểm là tốc độ nhận dangmật độ nhanh sau khi đã được huấn luyện với bộ dữ liệu đủ lớn Việc huấn luyện môhình ANN có hai giai đoạn: giải đoạn thứ nhất là giai đoạn huan luyện, khi đó mô

hình phải học các tính chất (xu hướng, quy luật của dif liệu, ) từ một bộ dif liệu; giaiđoạn thứ hai là giai đoạn dự đoán, khi đó mô hình sé được huấn luyện cách dự đoán từ

các dữ liệu mới Trong phạm vi khóa luân này, chúng tôi sử dụng bộ dữ liệu xây dựng

từ phần mềm mô phỏng MCNP để huấn luyện và cho mô hình ANN du đoán nông đô

của dung dịch muỗi với các điều kiện đã biết Chúng tôi sẽ đánh giá độ chính xác của

kết quả từ đường chuẩn và kết quả dự đoán từ mô hình ANN để đánh giá độ chính xác

của phép đo.

Câu trúc của khóa luận sẽ gồm có 5 chương:

Chương 1: Tổng quan về kỹ thuật đo gamma và ứng dụng của mô hình mạng

neuron nhân tạo trong kỹ thuật kiểm tra không hủy mẫu Chương này trình bày

tổng quan về kỹ thuật đo gamma truyền qua, trong đó giới thiệu về bức xa gamma và

các cơ chế tương tác của bức xạ gamma với vật chat là hiệu ứng quang điện hiệu ứngCompton và hiệu ứng sinh cặp, sự suy giảm cường độ chùm tia gamma khi truyền qua

vật chất khi có chuẩn trực và không có chuẩn trực Ngoài ra, phan này còn trình bay

tổng quát vẻ mô hình ANN và ứng dung của mô hình trong kỹ thuật kiểm tra không

hủy mẫu.

Chương 2: Nong độ dung dịch Các phương pháp xác định nồng độ dung dịch.

Trong chương này, chúng tôi trình bày vé nông độ dung dịch và giới thiệu các phươngpháp xác định néng độ dung dịch Dong thời trình bày cách tổng quát kỹ thuật đonông độ dung dịch bằng nguồn bức xa gamma

Chương 3: Xây dung cơ sở dit liệu đo nồng độ dung dịch bằng mô phỏng

Monte Carlo và thực nghiệm Chương này chúng tôi trình bày về các đặc điểm củachương trình mô phỏng MCNP6 va cách xây dựng đường chuẩn cho phép đo nông độ

dung dich, đồng thời cũng chi ra sự phù hợp giữa phổ mô phóng và thực nghiệm.

Chương 4: Ứng dụng mô hình mạng neuron nhân tạo để xác định phép đo nông độ dung dich dựa trên kỹ thuật do gamma truyền qua Ở chương này mô tả

quá trình xây dung một mô hình ANN và cách kiểm tra đô tin cây của mô hình Việc

xây dung mô hình ANN sử dung trong bài toán xác định nông độ của dung dich mudi

sẽ được trình bày chỉ tiết ở chương này

Chương 5: Kết quả và thảo luận Những kết quả của khóa luận và những thảo

luận sẽ được đẻ cập ở chương này.

Kết luận và kiến nghị Những kết quả chúng tôi đã đạt được khi thực hiện khóa

luận sẽ được nhắn mạnh ở phan này Bên cạnh đó, những van đẻ tồn đọng của đề tài

sé được chỉ ra và dé xuất giải quyết những van dé đó trong tương lai

Chương 1

TONG QUAN VE KỸ THUẬT ĐO _

GAMMA VA UNG DUNG CUA MO

HINH MANG NEURON NHAN TAO

TRONG KY THUAT KIEM TRA

KHONG HUY MAU

1.1 Ky thuật kiểm tra không huỷ mẫu

Kỹ thuật kiểm tra không huỷ mẫu (NDT) là một phương pháp kiểm tra cấu trúc,

tính chất của vật liêu mà không làm hỏng hoặc phá hủy mẫu kiểm tra Tuy theo nguồn

phát được sử dụng mà kỹ thuật NDT có nhiều ứng dụng như sử dụng sóng siêu âm

để xác định khả năng chịu lực uốn của gỗ Gmelina [9], sử dụng X-quang để đánh giáhiện tượng rang đôi ở răng sữa và các bat thường liên quan đến rang vĩnh viễn [ 10],

sử dụng tia gamma để đo mật độ dung dich [7], hay bẻ dày của vật liệu [11]

Việc sử dụng nguồn phát gamma có một số ưu điểm so với những phương pháp

khác Thứ nhất, do tia gamma có khả năng đâm xuyên lớn, vì vậy tia gamma có khả

nang thâm nhập tốt vào bên trong mẫu, cho phép xác định chat lượng và tính chất của

các lớp vật liệu mà không cần phải xử lý vật liệu trước đó Thứ hai, việc sử dụng tiagamma có độ chính xác cao, thích hợp để sử dụng với nhiều mục dich khác nhau Bêncạnh đó, do không phải tiếp xúc với mẫu và không có chất thải độc hại nên việc sử

dụng tia gamma an toàn cho người sử dụng, không gây ảnh hưởng đến môi trường.

Hai kỹ thuật đo dùng nguồn phát gamma thường được sử dung là kỹ thuật đo

gamma truyền qua và kỹ thuật do gamma tan xa Một điều đáng chú ý là kỹ thuật do

gamma truyền qua có thời gian do ngắn hơn đáng kể so với kỹ thuật do gamma tan xạ

khi sử dụng cùng nguồn phóng xa và loại đầu đò Do đó, kỹ thuật đo gamma truyền

qua có ưu thé trong việc đo các đại lượng trong một thời gian nhanh và liên tục

1.2 Ky thuật đo gamma

1.2.1 Bức xa gamma

Tia gamma (ký hiệu là y) là một trong những bức xa điện từ, có ban chất giống

như tia X, bức xa tử ngoại, bức xa hồng ngoại và sóng vô tuyến So với những bức xa

khác trong phổ điện từ, tia gamma có năng lượng lớn nhất Tia gamma được phát hiện

vào khoảng năm 1900 bởi nhà vật lý người Pháp Paul Villard (1860 - 1934) và được đặt tên là "tia gamma" (hay “gamma ray") vào nam 1903 bởi nhà vật lý người New Zealand Ernest Rutherford (1871 - 1937).

Bức xa gamma được tạo ra từ các vật thé giàu năng lượng trong vũ trụ, như saoneutron, sao xung (hay pulsar), hoặc từ vụ nổ siêu tân tinh hay các khu vực xung

quanh lỗ đen Ở Trái Dat, các nguỗn phát ra bức xa gamma là các vụ nổ hạt nhân hay

từ phản ứng phân rã các đồng vị phóng xạ có trong tự nhiên

Bức xạ gamma mang bản chất là sóng điện từ có năng lượng lớn, từ hàng chục keV

đến hàng chục MeV Năng lương của bức xa gamma được xác định bằng công thức:

_ he

E=hv= Ầ (1.1)

Khi đi qua vật chất, bức xa gamma cũng bị vật chất hấp thụ thông qua tương tácđiện từ giống như các hạt tích điện khác như là alpha, beta Tuy nhiên, việc hấp thụ

bức xạ gamma của vật chat so với việc hắp thu các hạt tích điện khác có sự khác biệt

ở hai điểm Đầu tiên, do không mang điện tích nên bức xạ gamma không chịu ảnh

hưởng của lực Coulomb Vi vậy, lượng tử gamma ít bị ảnh hướng bởi các electron và

hạt nhân, do đó lượng tử gamma ít bị lệch khỏi phương truyền ban dau Thứ hai, lượng

tử gamma không có khối lượng nghỉ nên không bị làm chậm bởi môi trường vật chat,

nó chỉ có thể bị hắp thụ, tán xạ hoặc thay đổi phương truyền Các hạt tích điện có bản

chất hạt nên khi truyền qua vật chất, chúng có quãng chạy hữu hạn Đối với lượng tử

gamma, chúng chỉ bị suy giảm về cường độ chùm tia mà không bi hap thu hoàn toàn,

vi vậy lượng tử gamma không có khái niệm quảng chạy.

Khi chiều tia gamma vào vật chat, tia gamma tương tác với các nguyên tử, làm bứt

electron quỹ dao ra khỏi nguyên tử và ion hóa môi trường Có ba dạng tương tac cơ

bản của gamma với nguyên tử, bao gồm hiệu ứng quang điện hiệu ứng Compton và

hiệu ứng sinh cap electron — positron [12]

1.2.2 Cac hiệu ứng tương tác của tia gamma với vật chat.

1.2.2.1 Hiệu ứng quang điện

Hiệu ứng quang điện là hiện tượng các electron ở bể mặt kim loại được giải thoát

khi chiếu tia gamma có bước sóng thích hợp chiều vào kim loại Einstein đã chi rarằng hiệu ứng quang điện không thể giải thích được bằng lý thuyết sóng ánh sáng,

nhưng lại có thé giải thích một cách dé dang nêu như giải thích theo thuyết photon

Khi hạt photon mang năng lượng e va cham với các clectron ở các lớp vỏ nguyên

tử, các electron này hap thụ hoàn toàn năng lượng của photon Một phan lượng nănglượng mà electron hap thu sẽ chuyển thành công thoát A giúp electron thoát ra ngoài

kim loại, phan còn lại chuyển thành động năng ban đầu của electron Động nang ban

dau của electron càng lớn néu electron nằm càng gan bé mặt kim loại và đạt cực đạikhi electron nam ở bể mat kim loại Theo định luật bảo toàn năng lượng, ta có:

he 1.

= A+ Waga, + hV = > = A+ 2PVhay (1.2)

Trong đó:

he + re

se=hVv= rN Năng lượng của photon tới.

° Snax: Động năng ban dau cực dai của electron

e A: Công thoát của electron.

Phương trình (1.2) được gọi là phương trình Einstein Dựa vào phương trình này,

ta có thể giải thích được các hiện tượng liên quan đến hiệu ứng quang điện [13]

Hình 1.1 Mô hình hiệu ứng quang điện.

1.2.2.2 Hiệu ứng Compton

Khi nang lượng của tia gamma lớn hơn năng lương liên kết ở mức K rất nhiều thi

ảnh hưởng của hiệu ứng quang điện không còn đáng kể, thay vào đó là ảnh hưởng của

hiệu ứng tan xạ Compton Hiệu ứng tan xa Compton là hiền tương tan xạ đàn hỏi của

hạt photon với các electron nằm ở quỹ đạo ngoài cùng của nguyên tử Sau tán xạ, hatphoton mat một phan năng lượng và lệch khỏi phương truyền ban dau, cùng với đó

electron được giải phóng khỏi liên kết với nguyên tử [12]

Khi chiều một chùm tia gamma có bước sóng tới A vào vật liệu, ngoài vạch phổ

ứng với giá tri bước sóng tới  còn xuất hiện vạch phổ ứng với bước sóng A‘ có giá trịlớn hơn A Các kết quả thực nghiệm cho thấy bước sóng tán xa A’ không phụ thuộc

vào vật liệu mà phụ thuộc vào góc tán xạ Ø Độ ting của bước sóng chùm bức xạ được

ˆ £ + +

ec: Vận toc anh sáng.

se = 6,625.10°**Js: Hang số Planck

Hình 1.2 Mô hình hiệu ứng Compton.

1.2.2.3 Hiệu ứng sinh cap electron — positron

Nếu chùm tia gamma có năng lượng lớn hơn gap đôi năng lượng nghỉ của electron

(1022 keV) thì khi di qua điện trường của hạt nhân, nó sẽ sinh ra một cap electron — positron Vi positron mang điện tích đương nên khi gặp electron của nguyên tử, điện

tích của chúng trung hòa, dẫn đến hiện tượng hủy cặp electron — positron, Kết quả củahiện tượng hủy cặp là hai hat photon bay ngược chiều nhau, mỗi hạt có năng lượng

511 keV [12]

1.2.3 Su suy giảm cường độ bức xa gamma

1.2.3.1 Chùm tia gamma hẹp

Khi một chùm tia gamma hẹp đã chuẩn trực có cường độ Jp đi qua mot lớp vật chất

có bề day là 7 (cm), mật đô của môi trường là p (g.cm ”) chùm tia truyền qua vật liệu

ghi nhân được ở dau dò có cường độ suy giảm theo hàm e mũ khi néng độ của dung

dịch tăng.

Theo định luật Beer — Lambert, cường độ của chùm tia khi di qua một lớp vật liệu

dT được tính như sau:

® Jy là cường độ tia gamma ban dau

e / là cường độ tia gamma sau khi truyền qua vật liệu có bẻ day 7

e 1 là hệ số suy giảm tuyến tính của vật liêu (emr!).

© Lm là hệ số suy giảm khối của vật liệu (cm2g Ì)

Theo công thức (1.5), suy ra công thức tính hệ số suy giảm tuyến tính:

I I

1.2.3.2, Chùm tia gamma rộng

Khi chùm tia tới đầu đò là chùm bức xa gamma không chuẩn trực, đầu do ghi

nhận các tia truyền qua mà không phân biệt các bức xạ gamma tán xạ một lần hoặc

gamma tán xạ nhiều lan Đóng góp chủ yếu trong thành phan tán xạ nhiều lần là tan xạ

Compton nhiều lần rồi quay lại chùm gamma ban dau Khi đó, công thức (1.5) được

hiệu chỉnh như sau:

I = lọB(E,Z)exp(— H„pT) (1.7)

Trong đó, hệ số B(E,Z) được gọi là hệ số đóng góp, đặc trưng cho số photon tán

xạ nhiều lan giá trị của hệ số B được xác định bằng tỉ số giữa cường độ chùm tiagamma truyền qua vật liệu đến dau dò (1,) và cường độ chùm tia gamma không chuẩn

10

trực đến dau đò (/„):

B=— (1.8)

Từ công thức (1.8), rút ra được giá trị của 8 luôn lớn hơn hoặc bằng 1 [14]

Để hạn chế tối da các tia tan xa nhiều lần có thể đi vào trong đầu dò, trước đầu ddthường có một ông chuẩn trực Trong bố trí thí nghiệm của khóa luân nguồn có ốngchuẩn trực có đường kính 0, 5cm Vì thé, có thé xem chùm tia tới là chùm tia hẹp songsong Khi đó hệ số có thể xem như bang 1

1.2.4 Sự suy giảm của chùm tia gamma khi đi qua dung dịch

Khi chùm tia gamma truyền qua mẫu dung dịch muối trong hộp, cường độ củachùm tia gamma truyền qua mẫu được tính theo công thức (1.5):

Trong đó: £ là hiệu suất dinh năng lượng toàn phan của dau dò với gamma truyền qua,

œ là tiết điện của tia gamma, t (giây) là thời gian ghi nhân của đầu dò

Tỉ số R được định nghĩa như sau:

—240Tj, là hằng số và Uy = HE Pm với gi là hệ sé suy giảm khối (MAC) của dung

dich muỗi ứng với năng lượng của chùm tia truyền qua và Ø„ là mật độ khối của dungdịch muối Như vậy, phương trình (1.13) trở thành

InR + M = =? Om Tin (1.14)

Bên canh đó:

uP = C%pP + (1 — C&)uƒ? (1.15)

Với ` là MAC của nước, C% là nỗng độ phan trăm của muỗi trong dung dịch Khi

đánh giá sự phụ thuộc tuyến tinh của các MAC của muối theo nông độ phản trăm dung

địch được tính bằng chương trình XCOM ở bang, ta thay được su phụ thuộc tuyến tính

rat tốt giữa MAC và néng độ dung dich, kết quả được trình bày ở Bảng 1.1

Bang 1.1 Hệ số suy giảm khối theo nồng độ phan trăm của dung dich muối bằng

chương trình XCOM

Nông độ (%) | Hệ số suy giảm | Hệ số suy giảm khôi Độ lệch

khói (cm’/g) | tính bằng hàm khớp tương đối (%)

0,08563 0,08563 ` 3 0,08557 0,08557

0,08552 0,08551

0,08546 0.08546

0, 085 35 0, 085340,08529 0,08528

0.08523 0.08523

0,08517 0.08517

0,08512 0.08511 0.08506 0.08506

i 0.08500 0.08500 J

: 0.08489 0.08489 J

0.08483 0.08483 0.08478 0.08477

0,08472 0.08471 ũ i

0,08466 0,08466 0,00

— 008460] 0.08460 0,00

12

Nong độ (%) | Hệ số suy giảm | Hệ số suy giảm khôi

0,08426

0,00 0,00 0,00

15,5 0,08398

17,5 0,08375

0,08392 0.08386

0,00 0,00

0.08380

0.08375

0,00

0,00 18.0 0.08369 0.08369 0.00

20,0 0.08346 0.08346 0,00

20,5 0,08341 0,08340 | 000,

0,08335 0,08335 0,00

0,00 21,5 0,08329 0,08329

22,5 0,08318 23,5 0,08307

0,08295 0.08289

0.08283 0.08278

13

0,00 0,00

0,00

0,00

Tại một nhiệt độ nhất định, chúng tôi cho rằng mật đô của dung dịch muỗi có đạng

một hàm đa thức bậc ba theo nong độ dung dịch như sau:

huái = đa + a1C% + ar(C%)* + aa(C®)° (1.17)

Thay (1.16) và (1.17) vào (1.14) và thu gon, ta thu được:

InR = Ap + AIC% + As(C®) + As(C®)° + Ag(C%)* (1.18)

Phương trình (1.18) cho thay dang ham bậc 4 giữa InR va néng độ phan tram của dung

dich muỗi Ap, Aj A> 4a Ay là các hệ số xác định tại một nhiệt độ cu thể

lá

1.3 Mô hình mang neuron nhân tao

Mo hình mang neuron nhân tao (ANN) là một mô hình máy tính được xây dung

dựa trên cảm hứng từ mạng than kinh sinh học Mét mô hình ANN bao gồm nhiềulớp xử lý, được kết nỗi với nhau thông qua các trọng số Các lớp xử lý trong mô hìnhANN tính toán thông qua việc truyền dẫn tín hiệu qua các liên kết trọng số Mô hìnhANN có thé học từ dữ liệu thông qua quá trình đào tạo, và sau đó áp dụng kién thức

đã học được để dự đoán, phân loại hoặc xử lý thông tin mới.

Mô hình mang neuron nhân tạo dau tiên được dé xuất vào năm 1943 bởi hai nhà

khoa học người My Warren McCulloch và Walter Pitts dựa trên hoạt động của các

tê bào than kinh trong não Vào năm 1958, Frank Rosenblatt thành công trong việc

chế tạo Perceptron - một dang đơn giản của ANN, đánh dẫu một bước tiền quan trọngtrong việc phát triển mô hình mạng neuron Tuy nhiên, đến năm 1969, Marvin Minsky

va Seymour Papert công bố cuốn sách "Perceptrons", trong đó chỉ ra các giới han củaPerceptron trong việc giải quyết các vẫn dé tuyến tính không tách được, điều này dẫn

đến sự gián đoạn trong nghiên cứu về ANN trong một thời gian dài Đến năm 1986,Geoffrey Hinton đưa ra thuật toán lan truyền ngược giúp việc giải quyết việc phânloại phi tuyến tính, và từ đó mô hình mang neuron nhân tao một lần nữa được quan tâm

và nghiên cứu Hiện nay, ANN tiếp tục phát triển mạnh mẽ với sự xuất hiện của các

kiến thức học sâu (deep learning), đặc biệt là mang neuron tích chap (ConvolutionalNeural Network - CNN) và mang neuron hỏi quy (Recurrent Neural Network - RNN)

mở ra nhiều tiềm năng và ứng dụng mới cho ANN Một mô hình mang neuron nhântạo bao gồm nhiều đơn vị xử lý gọi là neuron (hoặc node) được tổ chức thành các lớp

liên kết với nhau Mô hình tổng quát được mô tả như Hình 1.4

15

Hình 1.4 Mô hình mang neuron nhân tạo.

Trong đó:

e Lớp đầu vào (Input layer) là lớp nhận dữ liệu đầu vào và truyền chúng đến các núttrong lớp tiếp theo của mang

e Lớp ẩn (Hidden layer) là các lớp giữa lớp đầu vào và lớp đầu ra của mạng, trong đó

xử lý và trích xuất đặc trưng của dữ liệu thông qua các hoạt động tính toán của các

mô hình Sau mỗi lần huan luyện, mô hình sẽ tu điều chỉnh trọng số, tuy nhiên cautrúc của mạng sẽ được giữ cô định trong suốt quá trình huấn luyện Khi kết thúc quá

trình huan luyện, mô hình ANN đã xây dựng sẽ có khả năng giải quyết các vẫn đẻ đã

học một cách chính xác Với các biến số rời rac được cung cấp ban đầu, mô hình ANN

sẽ tự tìm ra những điểm chung của đữ liệu và giải quyết vấn đề bằng việc hợp nhất

16

thông tin dau vào và đáp ứng dau ra của mang Ba phương thức học phổ biển nhất của

mô hình là học có giám sát (supervised learning), học không giám sát (unsupervised

learning) và học cúng cô (reinforcement learning)

e Học có giám sat (supervised learning): là thuật toán du đoán dau ra của một dữ

liệu mới dựa trên các cặp dư liệu (dầu vào đầu ra) đã biết Đây là cách học phổ biến

nhất trong các cách học Trong lần huắn luyện đầu tiên, mô hình ANN sẽ được cungcấp một bộ dit liệu chứa các thông tin ban dau và các trọng số tùy ý Dau ra của môhình sẽ được so sánh với dau ra mong muốn của người sử dung Đô lệch giữa hai giá

trị này là cơ sở cho mô hình ANN tự hiệu chính trọng số Quá trình huấn luyện sẽ

được lặp lại nhiều lần với cùng bộ dữ liệu đầu vào cho đến khi mô hình đạt được mộtgiá trị có sai số có thể chấp nhận được

e Học không giám sắt (unsupervised learning): với kiểu huan luyện này, chúng ta

sẽ không cung cap dữ liệu đầu ra cho mô hình mà chỉ có dữ liệu đầu vào Mô hình

phải tự tim ra các đặc điểm chung, các quy luật và tương quan của các dữ liệu đầu

vào, từ đó đưa ra thông tin ở đầu ra Khi mô hình tự học để tìm ra các đặc điểm chung

này thì mô hình đã tu thay đổi các tham số của nó

e Học củng cô (reinforcement learning): với cách học này, m6 hình sẽ phải tự động

xác định hoạt động của nó dựa vào hoàn cảnh để đạt được hiệu quả tốt nhất

Số lượng neuron có trong mô hình sẽ ảnh hưởng đến hiệu suất làm việc của môhình Nếu số neuron quá ít thì mô hình thiểu khả năng học và không thể đưa ra được

dự doán chính xác Nếu số neuron quá nhiều sẽ dẫn dén sự quá khớp (overfitting) dữliệu, nghĩa là mô hình sẽ học cả những chỉ tiết không cần thiết, khiến mô hình không

thể khái quát dữ liệu Mỗi neuron trong mạng neuron nhân tao được kết nối với các

neuron trong các lớp liên kể bằng các trọng số (weight) và hàm kích hoạt (activationfunction) để tính toán đầu ra của neuron đó Các trọng số được điều chỉnh trong quátrình huấn luyện mô hình để đạt được kết quả dự đoán tốt nhất cho bài toán cụ thể

Kỹ thuật đo không hủy mẫu là một lĩnh vực mà việc xử lý đữ liệu đóng vai trò rất

quan trong M6 hình mang neuron nhân tao là một công cụ hữu hiệu cho việc xử lý

dif liệu và dự đoán trong các bài toán phức tạp Vi vậy, việc sử dụng mô hình ANN

trong kỹ thuật đo không hủy mẫu có thể giúp giảm thiểu những sai số do lường vàtăng độ chính xác của kết quả đo, đồng thời tiết kiệm thời gian và chỉ phí trong quá

17

trình do lường Ngoài ra, mô hình ANN còn có thể học được từ dữ liệu và cải thiện

khả nang dự đoán khi được ap dụng vào các bài toán mới Do đó, ứng dụng mô hình

ANN trong kỹ thuật đo không hủy mẫu là một hướng đi tiên tiễn và biệu quả Việc

ứng dụng mô hình mạng neuron nhân tạo trong kỹ thuật kiểm tra không huỷ mẫu đãđược sử dụng rộng rãi trong nhiều nghiên cứu: Sambath và công sự [15] đã ứng dung

mô hình mạng neuron nhân tạo trong việc phân loại khuyết tật tự động bằng cách sử

dung sóng siêu âm, một nghiên cứu năm 2021 của Sang và cộng sự [4] đã ứng dụng

mô hình ANN kết hợp với mô phỏng Monte Carlo để xác định néng độ phần trăm của

dung dich acid nghiên cứu của Saleem và cộng sự [16] đã kết hợp kỹ thuật kiểm trakhông hủy mẫu và mô hình ANN để phát hiện vết nứt trong bê tông

18

Tầm quan trọng của nong độ dung dich được thể hiện trong nhiều lĩnh vực, như

ở lĩnh vực y tế, nồng độ dung dịch của các dược phẩm được kiểm soát chặt chẽ đểđảm bảo tính an toàn và hiệu quả của liệu pháp điều trị Hay trong lĩnh vực sản xuất,việc nắm vững nông độ dung dich can thiết giúp đạt được kết quả mong muôn trong

các phản ứng hóa hoc, đảm bảo chất lượng sản phẩm, tối uu hóa hiệu suất quá trìnhsản xuất và đạt được hiệu quả kinh tế cao trong công nghiệp Bên cạnh đó, nông độdung dịch còn đóng vai trò quan trọng trong nghiên cứu khoa học và phát triển côngnghệ Việc điều chỉnh và kiểm soát nỗng độ dung dịch giúp các nhà khoa học và kỹ

sư nghiên cứu các quá trình hóa học, sinh học và vật lý để đạt được kết quả mong

muốn Nông độ dung địch cũng được sử dụng trong các thí nghiêm để kiểm tra độ

ổn định, tính nhất quán và hiệu suất của các chất hóa học và vật liệu trong điều kiện

thực tế Nong độ dung dịch còn phản ánh trong việc quản lý tài nguyên và bảo vệ môi

trường Việc đo nồng độ dung dịch của các chất hòa tan có trong nguồn nước, dat dai

và không khí giúp đánh giá tình trang ô nhiễm môi trường và đưa ra các biên phápkiểm soát, giảm thiểu tác động tiêu cực đến môi trường tự nhiên Nong độ dung dịch

19

còn đóng vai trò quan trọng trong đời sống hàng ngày của con người, chẳng hạn trong

việc đo néng độ đường huyết, nỗng độ dưỡng chất trong thực phẩm, hay do néng độ

các thành phần hóa học trong mỹ phẩm, sản phẩm chăm sóc sức khỏe và dược phẩm

Việc xác định nông độ dung dịch giúp xác định tỷ lệ chất hóa học trong dung dịch

từ đó phân tích, kiếm tra và du đoán các hiện tượng xảy ra trong dung dịch Nong độdung dich cũng là một thước đo quan trong trong quá trình kiểm soát chất lượng sảnphẩm trong công nghiệp, đồng thời cung cap thông tin can thiết để điều chỉnh và điềuphối quá trình sản xuất

Để biểu diễn néng độ của dung dich, ta có những cách sau:

Nong độ phan trăm khối lượng - khối lượng: Cho ta biết khối lượng của chất tan có

trong 100g dung dịch Cách để xác định néng độ phan trăm khối lượng - khối lượng

@ me là khôi lượng chat tan có trong dung dich.

e mạu là khối lượng của dung dich, được tính bang cách lay khôi lượng chất tan me

cong với khói lượng dung môi hòa tan mạm Dung môi thường được sử dụng là nước.

Ví dụ: Trong 100g dung dịch có 5g chất tan thì dung dich này có nồng độ là 5% w/w

Nong độ phan trăm khối lượng - thể tích: Cho ta biết khối lượng chất tan có trong

100ml dung dịch Cách để xác định néng độ phan trăm khỗi lượng - thể tích là

— Hạt

C% yj = — x 100% (2.2)

Vou

Trong do:

e Vag là thể tích của dung dịch.

Ví dụ: Trong 100ml dung dịch có 5g chất tan thi dung dịch này có nông đô là 5% w/v

Nong độ phần trăm thể tích - thể tích: Cho ta biết thể tích chất tan có trong 100ml

dung dich Cách để xác định nồng đô phan tram thể tích - thể tích là

e V., là thể tích của chat tan.

Vi dụ: Trong 100ml dung dịch có 5ml chất tan thì dung dịch này có nồng độ là 5%

@ rie, là số mol của chat tan.

Nong độ mol khối lượng: được xác định bằng công thức

Có nhiều phương pháp dùng để xác định nông độ dung dich, trong phạm vi khóa

luận này, chúng tôi giới thiệu một số phương pháp như sau:

2.2.1 Phương pháp tính trực tiếp

Phương pháp xác định néng độ dung dịch trực tiếp là phương pháp sử dụng để xácđịnh nông độ của một chất trong dung dịch mà không cần phải đo lường các thông

số khác của dung dịch Phương pháp này thường được sử dụng trong phân tích hóa

học và y học, và được thực hiện thông qua các phương pháp đo lường trực tiếp như

sử dụng cân để đo khỗi lượng Phương pháp này dem lai độ chính xác cao và đáng tin

cậy trong việc xác định nồng độ của chat trong dung dịch Tuy nhiên, trong trườnghợp dung dich có tính độc hai thì việc sử dụng phương pháp này có thể gây nguy hiểm

cho người thực hiện.

21

2.2.2 Phương pháp hóa phân tích

Phương pháp phân tích là phương pháp phân tích dựa trên cơ sở của các phản ứng

hóa học đặc trưng để phát hiện (định tính) và định lương các chất với hàm lượng cấp

miligam (phân tích lượng lớn) Song phương pháp phân tích hóa học là cơ sở đầutiên của hóa phân tích Phương pháp phân tích hóa học ra đời đầu tiên trong ngành

Hóa học phan tích và đã phục vụ cho phân tích trong mọi lĩnh vực trên 100 nam nay.

Hiện nay, tuy đã có rat nhiều phương pháp phân tích hiện đại, song trong phân tích đalượng, các phương pháp phân tích hóa học vẫn cho kết quả tốt, lại đơn giản, dé thực

hiện và không phải sử dung các hệ máy móc công cu đắt tiền Vì thế nhiều phòng thí

nghiệm hóa học đều có thé sử dụng được và có tính kinh tẻ, thực tế cao

Các phương pháp phân tích hóa học gồm có:

e Các phương pháp phân tích khối lượng Đây là nhóm các phương pháp phân tích

dua trên cơ sở cân đo khối lượng của các chất phân tích hay sản phẩm của nó để phân

tích xác định nó.

e Các phương pháp phân tích thể tích chuẩn độ Đây là nhóm các phương pháp phân

tích dựa trên cơ sở của sự chuẩn độ và đo chính xác thể tích chất chuẩn độ biết nỗng

độ đã tiêu hao trong quá trình chuẩn độ một chất để tính toán xác định chất đó theo

một phản ứng chuẩn độ có tính định lượng trong các điều kiện tích hợp

2.2.4 Phương pháp phân tích quang phổ plasma

Đây là kĩ thuật phân tích sử dụng để xác định nguyên tố dựa trên sự ghi nhận đo

phổ theo số khôi Phương pháp quang phố plasma (ICP — MS) là một kỹ thuật linh

động có nhiều điểm mạnh hon so với các kỹ thuật phân tích nguyên tổ truyền thông

kể cả quang phổ phát xa plasma (ICP - AES) và quang phổ hap thụ nguyên tử (AAS)

Ưu điểm của phương pháp này là giới hạn phát hiện đối với hầu hết các nguyên tô

đều tương đương hoặc nhỏ hơn giới hạn phát hiện của phương pháp quang phổ hấp

thụ nguyên tử lò Graphite (GEAAS) năng suất lớn hơn GEAAS, khả năng phát hiệncao hơn ICP - AES với cùng một mẫu và khả năng nhận được các thông tin đồng vị

2.3 Kỹ thuật đo nồng độ dung dich bằng nguồn bức xa

gamma

Kỹ thuật đo néng độ dung dich bằng nguồn bức xạ gamma được thực hiện bằng

cách sử dụng nguồn phát tia gamma để chiều xa qua mẫu dung dich và đo lượng tiagamma phát ra Nong độ của dung dịch có thể được tính toán bằng cách so sánh lượngtia gamma phát ra của mẫu với lượng tia gamma phát ra của một chuẩn biết trước Kỹthuật đo nồng độ dung dich bằng nguồn bức xa gamma có hai kỹ thuật chính là kỹthuật đo bằng cường độ chùm tia gamma truyền qua mẫu (còn gọi là kỹ thuật gammatruyền qua) và kỹ thuật do bằng cường độ chùm tia gamma tan xa ra khỏi mẫu (còn

gọi là kỹ thuật gamma tán xạ) Đã có nhiều nghiên cứu sử dung chùm tia gamma để

xác định néng đô dung dịch, như nghiên cứu của Tam va công sự [8] sử dụng nguồntia gamma truyền qua với năng lượng 662 keV, nghiên cứu Chương va cộng sự [6] kết

hợp giữa mô phóng MCNPS và đo thực nghiệm để tính mật độ chat lỏng

23