Автоматизированное машинное обучение для нейтронной спектрометрии

Аннотация

Радиационный мониторинг за защитами ускорителей проводится многошаровым спектрометром Боннера, который детектирует нейтроны в широком диапазоне энергий. Поскольку нейтронные спектры не могут быть измерены напрямую, для восстановления применяются специальные математические методы. В данной работе восстановление проведено с использованием фреймворков машинного обучения LightAutoML и FEDOT, автоматически оптимизирующих гиперпараметры и ансамблевые комбинации нескольких алгоритмов. Для обучения и валидации сгенерирован набор спектров, представленный как взвешенная комбинация тепловой, надтепловой, быстрой и высокоэнергетической компонент. Модели были проверены на 375 реальных спектрах. Неопределенность восстановления оценена методом Монте-Карло путем добавления случайной ошибки в исходные данные. Качество восстановления спектров оценено по корреляции Спирмена и Пирсона, косинусному сходству, перекрестной энтропии, расстоянию Вассерштейна, дивергенции Кульбака–Лейблера, максимальному среднему расхождению и $R^2$.