利用集成于水下无人机的 SABAT 中子传感器进行危险物质检测的蒙特卡洛模拟与表征

《Scientific Reports》：Monte Carlo simulations and characterization of hazardous substances detection using the SABAT neutron-based sensor integrated with an underwater drone

　　

摘要

水生环境中存在众多危险，尤其是那些由人类活动引起的危险，例如沉积在海底的化学和爆炸残留物。由于可达性有限以及与安全采样和分析相关的风险，这些有害物质的检测与识别仍然是一个主要挑战。常用方法的一个有前途的替代方案是使用中子，该技术利用中子活化分析技术实现对物质的非侵入式识别。通过时间测量，基于中子与物质相互作用过程的类型进行额外的分离，可以提高材料识别的效率。在 Geant4 环境中进行了蒙特卡洛模拟，为安装在遥控潜水器（ROV）上的 SABAT 探测器生成了 \(10^9\) 个事件，针对五种可能在海洋中发现的有害材料，例如：TNT、芥子气、克拉克 1 号、克拉克 2 号和亚当氏剂。使用专用谱分析程序，通过基于线分类器参数估算给定特征线的质量，对生成的能谱进行了分析。选择了强度最高的四条特征线作为信号归一化的候选：湮灭线 (0.511 MeV)、氢线 (2.223 MeV)、氧线 (6.110 MeV) 和氯线 (1.950 MeV)。分别将水和氢线 (2.223 MeV) 用作材料参考和特征线参考。湮灭线 (0.511 MeV) 证明在识别有害材料方面至少比次优线氯 (0.79 和 1.17 MeV) 和碳 (4.44 MeV) 好两倍（根据线分类器）。此外，时间分离仅显著提高了氧 (6.11 MeV) 和氯 (7.79 MeV) 线的质量。