In this work, we developed a neural network model that can analyze uranium enrichment even when the measurement time is less than 10 seconds using a low-resolution detector. Uranium enrichment measurement is essential for the quantitative analysis of uranium activity for the disposal of radioactive waste. The previously studied method of measuring uranium enrichment (infinite thickness method, peak ratio method, and relative efficiency method) is difficult to use in field measurement situations due to many restrictions. The relative efficiency method with the best accuracy among the existing methods is a method using the relative size of the peak, which has good accuracy, but requires a long measurement time, and there is a limitation that a high-resolution detector is essential. In this study, we focused on measuring uranium enrichment by using an artificial neural network with a low-resolution detector. With the proposed model, the enrichment of uranium wastes (ash, soil, concrete) in the Marinelli beaker can be predicted within 5% of the relative error. In particular, when the measurement time was about 10 seconds short, existing methods failed to analyze uranium enrichment, while the model proposed in this study maintained a relative error of less than 5%.
본 연구에서는 저분해능 검출기를 사용하여 측정 시간이 10초 이내로 짧을 때도 우라늄 농축도 분석이 가능한 신경망 모델을 개발했다. 우라늄폐기물 처분을 위한 우라늄 방사능 정량분석을 위해서는 우라늄 농축도 정보가 필요하다. 기존에 연구된 우라늄 농축도 측정 방법(무한두께법, 피크비율법, 상대효율법)은 알고리즘에 제약이 많아 현장 측정상황에 사용하기 어렵다. 기존 방법 중 정확도가 가장 좋은 상대효율법은 피크의 상대적인 크기를 이용하는 방법으로써 정확도가 좋지만 긴 측정시간이 필요하며, 고해상도 검출기가 반드시 필요하다는 한계가 있다. 본 연구에서는 저분해능 검출기와 인공신경망을 이용하여 우라늄 농축도를 예측하는 모델을 제안한다. 제안된 모델을 통해 마리넬리 비커의 방사성폐기물(탄화시료, 흙, 콘크리트) 내 우라늄 농축도를 상대 오차의 5% 이내로 예측할 수 있다. 특히, 측정 시간이 약 10초로 짧을 때, 기존 방법은 우라늄 농축 분석에 실패한 반면, 본 연구에서 제안된 모델은 5% 이내의 상대 오차를 유지했다.
