This thesis study is about an algorithm for the direct calculation of the ambient dose equivalent H$\ast$(10) from the gamma spectra of a spectroscopic electronic personal dosimeter (EPD) using an artificial neural network (ANN). Previous conventional algorithms of spectrum-to-dose conversion have limitations in terms of several aspects including low accuracy in energy range below ~ 300 keV. It leads to need a new approach for spectrum-to-ambient dose equivalent conversion. Therefore, the ANN based dose conversion model is proposed. The proposed ANN model was trained with the simulated spectra of a CsI(Tl)-PIN diode based EPD using Monte Carlo N-particle transport code 6. The results showed that H$\ast$(10) calculated using the ANN is highly consistent with the theoretical H$\ast$(10) in simulation test and is comparable performance with G(E) function method in experimental test.
본 학위 논문은 인공신경망을 이용하여 분광형 전자식 개인 선량계에서 측정된 감마-스펙트럼을 주위선량당량(H$\ast$(10))으로 직접 변환이 가능한 알고리즘 개발에 관한 연구이다. 이전의 스펙트럼-선량 변환 알고리즘들은 300 keV 이하의 에너지 범위에서 낮은 정확도를 보이는 것을 포함하여 몇 가지 측면에서 여전히 한계가 존재한다. 이는 곧 스펙트럼을 주위 선량당량으로 변환하는데 또 다른 접근법의 필요성으로 이어진다. 본 연구에서는 새로운 접근법으로서 인공신경망 기반의 선량 환산 모델이 제안되었다. 제안된 ANN 기반의 모델은 MCNP6를 이용하여 CsI(Tl)-PIN diode 기반의 EPD에 대한 시뮬레이션 스펙트럼으로 훈련되었 다. 그 결과, 시뮬레이션 데이터에 대해서는 매우 잘 예측하는 것을 확인하였으며, 실험 데이터에 대해서는 기존의 스펙트럼-선량 환산 방법인 G(E) 함수 계산 결과와 비교되었으며, 견줄만한 성능을 보이는 것을 확인할 수 있었다.